期刊信息
主管单位：中华人民共和国教育部
主办单位：重庆大学
主 编：王时龙
地 址：重庆市沙坪坝正街174号
邮政编码：400030
电 话：
电子邮件：xbsg@cqu.edu.cn
国际标准刊号：ISSN 1000-582X
国内统一刊号：CN 50-1044/N
邮发代号：国内78-16 国外 M355
|
| 基于机器学习的沥青路面国际平整度指数预测 |
| 投稿时间：2020-06-17 修订日期：2024-11-26 |
| 关键词:机器学习 国际平整度指数 LTPP 多影响因素 |
| 基金项目:清华大学-丰田联合研究院跨学科专项（041911062） |
|
| 摘要点击次数: 1212 |
| 全文下载次数: 0 |
| 摘要: |
| 基于机器学习算法，选用路面结构和性能因素、环境和交通因素多种路面性能影响因素作为输入变量，对国际平整度指数进行预测。国际平整度指数和影响因素均来源于Long-Term Pavement Performance(LTPP)数据库和我国实际道路数据，选用路段为结构层未发生改变的沥青路段。经过筛选后的总样本数量为3066个，按照交叉验证和网格搜索相结合的方法选取最佳参数。使用神经网络、支持向量机和XGBoost对国际平整度指数进行预测，并比较了三种机器学习算法测试集的R2值，均方根误差（RMSE）和平均绝对误差(MAE)。根据三种对比结果可知XGBoost的预测效果最好，R2值为0.96，RMSE的值为0.08，MAE的值为0.05。使用XGBoost对影响因素重要性进行排序，其中初测国际平整度值的重要性最高。结果表明:XGBoost能够准确预测沥青路面国际平整度值，为路面管理系统提供模型参考。 |
|
| 查看/发表评论 下载PDF阅读器 |
|
|
|
|
|
Copyright@ 2008 All Rights Reserved.
