-
题名基于变权组合的沥青混凝土路面损坏状况指数预测
被引量：4
- 1
-
-
作者
李海莲
周思汝
李清华
刘忠磊
贾卫东
-
机构
兰州交通大学土木工程学院
中交一公局集团有限公司
中铁十四局集团有限公司
-
出处
《兰州大学学报(自然科学版)》
北大核心
2025年第1期35-42,共8页
-
基金
国家自然科学基金项目(51868042)
甘肃省自然科学基金项目(20JR10RA229,22JR5RA334)
+1 种基金
甘肃省高等学校创新基金项目(2021A-048)
兰州交通大学“百名青年优秀人才培养计划”基金项目(2018103)。
-
文摘
以某高速公路若干路段为工程背景,运用灰色关联度分析确定影响路面破损的关键因素,基于GM(1,N)模型与BP神经网络模型对路面损坏状况指数进行预测,结合组合原理和赋权思想提出3种变权组合预测模型.通过误差检验对各模型予以综合评价,变权组合预测模型能充分利用各模型的优势,有效提高路面使用性能预测的准确性,并根据特定路段预测结果择优选取.4个路段的预测结果与实际值的均方根误差分别为3.21×10^(-5)、4.24×10^(-5)、2.13×10^(-5)、4.22×10^(-3).路面损坏状况作为路面使用性能评价的组成部分,需要准确把握路面损坏状况指数的发展趋势.
-
关键词
灰色关联度分析
沥青混凝土路面
GM(1
N)模型
路面损坏状况指数
变权组合模型
-
Keywords
grey correlation analysis
asphalt concrete pavement
GM(1,N)model
pavement surface condition index
variable weight combination model
-
分类号
TU416
[建筑科学—岩土工程]
-
-
题名沥青路面变形类病害快速检测方法
被引量：6
- 2
-
-
作者
时宁
陈忠达
刘福明
-
机构
长安大学材料科学与工程学院
江西省交通科学研究院
南昌工程学院
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2013年第4期865-871,共7页
-
基金
江西省自然科学基金项目(20122BAB206003)
江西省交通运输厅2012年科技计划项目
-
文摘
针对目前路面变形类病害因没有快速检测方法，在实际路面检测中往往被忽略的情况，使用车载激光传感器、加速度传感器和距离传感器测量沥青路面断面相对高程，并给出极值差指标用以判断路面是否发生变形类病害，用极值差大于10mm的路段长度乘以影响宽度得出变形类病害的破损面积，从而提出了一种基于激光三角测距原理的沥青路面变形类病害快速检测方法。以江西省某高速公路K0＋000～K2＋263段沥青路面损坏状况指数检测为应用实例，采用该快速方法共检测出沥青路面变形类病害64处，累计有效损坏面积27．12m2，证实了该方法的有效性。
-
关键词
路面检测
路面变形
激光三角测距
路面损坏状况指数(pci)
-
Keywords
pavement condition detection
pavement deformation
laser triangulation of distance
pavement condition index（pci）
-
分类号
U416.217
[交通运输工程—道路与铁道工程]
-
-
题名基于随机森林的沥青路面性能预测
被引量：28
- 3
-
-
作者
张金喜
郭旺达
宋波
禚永昌
张阳光
-
机构
北京工业大学城市交通学院交通工程北京市重点实验室
北京市道路工程质量监督站
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2021年第11期1256-1263,共8页
-
基金
国家自然科学基金资助项目(51778027)
北京市交通行业科技项目(2018-kjc-01-213)。
-
文摘
为弥补路面性能预测问题中传统预测方法效率差、预测精度低等缺陷,针对普通公路沥青路面状况指数(pavement condition index,PCI)的预测问题,利用北京市9个县区包括路面性能指标、路面结构、交通参数及气象资料在内的1249组观测值,提出了一种基于随机森林算法的PCI预测模型,并与神经网络、支持向量机模型预测结果进行对比.研究结果表明:通过对比分析不同模型的3个定量评价指标(均方根误差、平均绝对误差和决定系数)以及可视化散点图,证明采用随机森林算法的PCI预测模型的鲁棒性、准确性要优于神经网络和支持向量机模型,验证了该模型的有效性和优越性,可以为后续公路养护预算申请和决策方案制定提供科学依据,对于提高公路养护的经济效益具有重要意义.
-
关键词
道路工程
沥青路面
路面性能预测
路面状况指数(pci)
机器学习
随机森林(RF)
-
Keywords
road engineering
asphalt pavement
pavement performance prediction
pavement condition index(pci)
machine learning
random forest(RF)
-
分类号
U418.6
[交通运输工程—道路与铁道工程]
-
