基于神经网络算法的沥青路面使用性能组合预测模型研究

doi:10.3969/j.issn.1674-0696.2023.03.10

重庆交通大学学报（自然科学版） ›› 2023, Vol. 42 ›› Issue (3): 71-77.DOI: 10.3969/j.issn.1674-0696.2023.03.10

• 交通基础设施工程 • 上一篇

基于神经网络算法的沥青路面使用性能组合预测模型研究

曹雪娟1，卢治琳2，吴博文2，黄莹2，王民3

(1. 重庆交通大学材料科学与工程学院，重庆 400074； 2. 重庆交通大学土木工程学院，重庆 400074； 3. 重庆市智翔铺道技术工程有限公司，重庆 400067)

收稿日期:2021-08-23 修回日期:2023-02-25 发布日期:2023-05-11
作者简介:曹雪娟（1979—），女，四川邻水人，教授，博士，主要从事新型路面材料方面的研究。E-mail：caoxj@cqjtu.edu.cn 通信作者：卢治琳（1997—），女，重庆人，硕士研究生，主要从事道路工程方面的研究。E-mail：1257120770@qq.com
基金资助:
重庆市教育委员会科学技术研究项目(KJZD-M201900701)；材料工程重庆市研究生联合培养基地项目（201907）；重庆交通大学研究生科研创新项目(2022S0015)

Combined Prediction Model of Asphalt Pavement Performance Based on Neural Network Algorithm

CAO Xuejuan1, LU Zhilin2, WU Bowen2, HUANG Ying2, WANG Min3

(1. School of Material Science and Engineering, Chongqing Jiaotong University, Chongqing 400074, China; 2. School of Civil Engineering, Chongqing Jiaotong University, Chongqing 400074, China; 3. Chongqing Zhixiang Paving Technology Engineering Co., Ltd., Chongqing 400067, China)

Received:2021-08-23 Revised:2023-02-25 Published:2023-05-11

摘要/Abstract

摘要： 为了准确预测沥青路面使用性能变化规律，提出了基于径向基神经网络算法的路面使用性能组合预测模型PCA-GA-RBF；针对神经网络收敛速度慢、模型参数容易陷入局部最优的问题，采用主成分分析算法对路面使用性能影响因素进行了降维处理，利用遗传算法对神经网络结构进行了优化；通过路面行驶质量的预测分析对组合预测模型进行了验证。研究表明：组合预测模型PCA-GA-RBF的拟合优度R2=0.820，均方根误差S=2.645，比单一RBF神经网络预测模型误差降低了11.4%，平均预测准确率为84.13%；组合预测模型计算速率快、预测精度高、预测效果好。

关键词: 道路工程；RBF神经网络模型；主成分分析算法；遗传算法

Abstract: In order to accurately predict the change law of asphalt pavement performance, a combined prediction model PCA-GA-RBF of asphalt pavement performance based on radial basis function neural network algorithm was proposed. In view of the slow convergence speed of the neural network and easiness falling into local optimization of model parameters, the principal component analysis algorithm was used to reduce the dimension of the factors affecting the pavement performance, and the genetic algorithm was used to optimize the structure of the neural network. The combined prediction model was validated through predictive analysis of road driving quality. The research shows that the goodness of fit R2 of PCA-GA-RBF is 0.820, and the root mean square error S is 2.645, which is 11.4% lower than that of the single RBF neural network prediction model, and the average prediction accuracy of PCA-GA-RBF is 84.13%. The combined prediction model has fast calculation speed, high prediction accuracy and good prediction effect.

Key words: highway engineering; RBF neural network model; principal component analysis algorithm; genetic algorithm

中图分类号:

U418.6

曹雪娟1，卢治琳2，吴博文2，黄莹2，王民3. 基于神经网络算法的沥青路面使用性能组合预测模型研究[J]. 重庆交通大学学报（自然科学版）, 2023, 42(3): 71-77.

CAO Xuejuan1, LU Zhilin2, WU Bowen2, HUANG Ying2, WANG Min3. Combined Prediction Model of Asphalt Pavement Performance Based on Neural Network Algorithm[J]. Journal of Chongqing Jiaotong University(Natural Science), 2023, 42(3): 71-77.

参考文献

［1］苏卫国，戴民松.基于沥青路面使用性能衰变规律的高速公路预防性养护计划研究［J］.公路工程，2020，45(5)：174-179.
SU Weiguo, DAI Minsong. Study on the preventive maintenance plan of expressway based on the decay law of asphalt pavement performance ［J］.Highway Engineering, 2020, 45 (5): 174-179.
［2］ WANG Zhichen, Guo Naisheng, WANG Shuang, et al. Prediction of highway asphalt pavement performance based on Markov chain and artificial neural network approach［J］. Journal of Supercomputing，2021，77(2): 1354-1376.
［3］李海莲，林梦凯，王起才.高速公路沥青路面使用性能模糊区间评价方法研究［J］.重庆交通大学学报(自然科学版)，2020，39(9)：80-87.
LI Hailian, LIN Mengkai, WANG Qicai. Freeway asphalt pavement performance based on Fuzzy Interval Evaluation method ［J］. Journal of Chongqing Jiaotong University(Natural Science)，2020，39 (9)：80-87.
［4］刘佳.基于熵值赋权法沥青路面使用性能衰变模型研究［J］.公路，2018，63(12)：91-96.
LIU Jia. Study on decay model of asphalt pavement performance based on entropy weighting method［J］. Highway, 2018, 63(12): 91-96.
［5］李海莲，林梦凯，王起才.基于IFA-SVM的高速公路沥青路面使用性能预测［J］.公路交通科技，2019，36(12)：8-14，78.
LI Hailian, LIN Mengkai, WANG Qicai. Prediction of performance of expressway asphalt pavement based on IFA-SVM ［J］. Journal of Highway and Transportation Research and Development, 2019, 36 (12): 8-14, 78.
［6］余婷，裴莉莉，李伟，等.基于随机森林算法的路面状况指数预测［J］.公路交通科技，2021，38(10)：16-23.
YU Ting，PEI Lili，LI Wei，et al. Prediction of pavement surface condition index based on random forest algorithm ［J］. Journal of Highway and Transportation Research and Development，2021，38 (10)：16-23.
［7］陈仕周，李山，熊峰，等.基于GA-灰色神经网络的沥青路面使用性能预测［J］.重庆交通大学学报(自然科学版)，2019，38(2)：44-50.
CHEN Shizhou，LI Shan，XIONG Feng，et al. Forecasting of asphalt pavement performance based on GA-gray neural network［J］.Journal of Chongqing Jiaotong University (Natural Science), 2019, 38(2): 44-50.
［8］王志祥，李建阁，陈楚鹏. 基于变权重评价的沥青路面使用性能灰色预测［J］.重庆交通大学学报(自然科学版)，2021，40(5)：95-101.
WANG Zhixiang，LI Jiange，CHEN Chupeng. Grey prediction of asphalt pavement performance based on variable weight evaluation ［J］. Journal of Chongqing Jiaotong University (Natural Science), 2021, 40(5): 95-101.
［9］靳明，张军，郭晶，等.基于灰色系统理论的沥青路面使用性能预测及养护决策研究［J］.公路工程，2019，44(4)：221-224, 263.
JIN Ming, ZHANG Jun, GUO Jing, et al. Research on performance prediction and maintenance decision of asphalt pavement based on grey system theory ［J］. Highway Engineering, 2019, 44(4): 221-224, 263.
［10］ LIU Guoguang，NIU Fujun，WU Zhiwei. Life-cycle performance prediction for rigid runway pavement using artificial neural network［J］. International Journal of Pavement Engineering, 2020, 21(14): 1806-1814.
［11］章天杰，韩海航. 基于残差神经网络的沥青路面裂缝识别分类研究［J］.公路，2021，66(10)：24-29.
ZHANG Tianjie, HAN Haihang. Research on identification and classification of asphalt pavement cracks using residual neural network ［J］. Highway, 2021, 66(10): 24-29.
［12］段铭钰，袁瑞甫，杨艺. 基于改进RBF神经网络的采煤机截割煤岩性状智能识别［J］.河南理工大学学报(自然科学版), 2022, 41(1): 43- 51.
DUAN Mingyu, YUAN Ruifu, YANG Yi. Intelligent recognition of coal and rock properties in shearer cutting process based on improved RBF neural network ［J］. Journal of Henan Polytechnic University (Natural Science), 2022, 41(1): 43-51.
［13］张秀玲，代景欢，李家欢，等. 基于PCA-RBF的板形识别及FPGA软实现［J］.矿冶工程，2019，39(1)：109-113.
ZHANG Xiuling，DAI Jinghuan，LI Jiahuan，et al. Flatness recognition based on PCA-RBF network and soft implementation in FPGA ［J］. Mining and Metallurgical Engineering, 2019, 39(1): 109-113.
［14］谢杰辉，牛富俊，彭智育，等.滨海高速公路软基变形规律及沉降预测应用［J］.华南理工大学学报(自然科学版)，2021，49(4)：97-107.
XIE Jiehui，NIU Fujun，PENG Zhiyu，et al. Deformation law and settlement prediction application of soft soil subgrade in coastal expressway［J］. Journal of South China University of Technology (Natural Science Edition), 2021, 49 (4): 97-107.
［15］邓思源，周兰庭，王飞，等.大坝变形的XGBoost-LSTM变权组合预测模型及应用［J］. 长江科学院院报，2022，39(10)：72-79.
DENG Siyuan，ZHOU Lanting，WANG Fei，et al. XGBoost-LSTM variable weight combination prediction model for dam deformation and its application［J］. Journal of Yangtze River Scientific Research Institute, 2022, 39(10): 72-79.
［16］王帅伟，于少将，李绍康，等.基于RS-PCA-GA-SVM的砂土液化预测方法研究［J］.地震工程学报，2019，41(2)：445-453.
WANG Shuaiwei，YU Saojiang，LI Shaokang，et al. A method of predicting sand liquefaction based on RS-PCA-GA-SVM ［J］. China Earthquake Engineering Journal，2019，41(2)：445-453.
［17］陈勇, 李鹏, 张忠军, 等.基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型［J］.电力系统保护与控制, 2019, 47(10): 110-119.
CHEN Yong, LI Peng, ZHANG Zhongjun, et al. Online prediction model for power transmission line icing load based on PCA-GA-LSSVM［J］. Power System Protection and Control, 2019, 47 (10): 110-119.

[1]	高莉宁，符小红，贾秦龙，何锐，陈华鑫. 羧基对两性沥青乳化剂及乳化沥青性能影响研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(11): 81-85.
[2]	陈仕周1,2，李山1，熊峰2，李冠男1. 基于GA灰色神经网络的沥青路面使用性能预测[J]. 重庆交通大学学报（自然科学版）, 2019, 38(02): 44-50.
[3]	魏连雨，李昊,马新卫. 基于ABAQUS的检查井井周路面力学特征分析及病害防治研究[J]. 重庆交通大学学报（自然科学版）, 2016, 35(4): 25-28.
[4]	李林健, 唐伯明, 韦刚, 吴志辉. 基于能量变分原理的双层板层间温度应力计算[J]. 重庆交通大学学报（自然科学版）, 2008, 27(4): 555-557.
[5]	孙波成, 邱延峻. 基于图像处理的路面裂缝识别研究[J]. 重庆交通大学学报（自然科学版）, 2008, 27(1): 61-64,168.
[6]	罗晓辉，董军，刘海亮. 旧砼路面加铺沥青层后接缝处的力学模型分析[J]. 重庆交通大学学报（自然科学版）, 2007, 26(6): 82-86.
[7]	白文君，何兆益，李力，杨绍静，蒋文力. 水泥砼路面错台快速修补材料的研究[J]. 重庆交通大学学报（自然科学版）, 2007, 26(4): 69-72.
[8]	赵丽杰，陈坤林，刘军，陈作明. 重庆李家沱长江大桥南北引道路面病害的整治措施[J]. 重庆交通大学学报（自然科学版）, 2006, 25(5): 28-31.
[9]	边加敏，郝秀民. 农村水泥砼路面裂缝成因及预防研究综述[J]. 重庆交通大学学报（自然科学版）, 2006, 25(1): 35-37.
[10]	陈峰. 压浆法补强路基修补硷路面技术的应用[J]. 重庆交通大学学报（自然科学版）, 2004, 23(Z1): 34-35.
[11]	易志坚. 从变形协调关系看路面反射裂缝的形成机理[J]. 重庆交通大学学报（自然科学版）, 2003, 22(4): 17-19.
[12]	梅迎军，李志勇. 沥青砼罩面反射裂缝及其分析[J]. 重庆交通大学学报（自然科学版）, 2002, 21(2): 45-48.
[13]	蒋应军，戴经梁，陈忠达. 半刚性基层裂缝产生机理分析及防治措施[J]. 重庆交通大学学报（自然科学版）, 2002, 21(2): 54-57.
[14]	王艳丽, 王秉纲. 高等级公路沥青路面养护标准研究[J]. 重庆交通大学学报（自然科学版）, 2000, 19(4): 26-29.
[15]	慕长春, 何兆益. 道路养护改建项目决策的一种新方法[J]. 重庆交通大学学报（自然科学版）, 2000, 19(3): 51-53.

基于神经网络算法的沥青路面使用性能组合预测模型研究

Combined Prediction Model of Asphalt Pavement Performance Based on Neural Network Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics