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Gradient Boosting Machine的沥青路面车辙深度预测 |
| 投稿时间：2021-01-06 修订日期：2021-09-19 |
| 关键词:机器学习 Gradient Boosting Machine LTPP 车辙深度 部分依赖性 |
| 基金项目:国际项目：交通基础设施全自动数据采集及智能分析平台建设,项目编号：20203910013。 |
|
| 摘要点击次数: 316 |
| 全文下载次数: 0 |
| 摘要: |
| 本文基于可解释的机器学习算法Gradient Boosting Machine(GBM),使用Long-Term Pavement Performance(LTPP)数据库,考虑多类型影响因素，包括环境因素、交通因素、结构因素和材料因素，对沥青路面车辙深度进行了预测。并与人工神经网络、支持向量机算法进行了比较，同时利用GBM对重要影响因素进行了部分依赖性解释。结果表明：在测试集中，GBM相较于前两者RMSE分别降低了0.75、0.25，MAE分别降低了0.54、0.07。影响车辙深度的重要因素有：初始测量车辙深度、初次测量经过时间、沥青路面总厚度、年累计当量轴载作用次数。通过部分依赖性分析，有助于路面养护部门理解车辙受影响因素的变化趋势，从而更好地进行路面养护管理。 |
|
| 查看/发表评论 下载PDF阅读器 |
|
|
|
|
|
Copyright@ 2008 All Rights Reserved.
