期刊文章详细信息
文献类型:期刊文章
ZHANG Jinxi;GUO Wangda;SONG Bo;ZHUO Yongchang;ZHANG Yangguang(Beijing Key Laboratory of Traffic Engineering,College of Metropolitan Transportation,Beijing University of Technology,Beijing 100124,China;Beijing Board Engineering Quality Supervision Station,Beijing 100076,China)
机构地区:[1]北京工业大学城市交通学院交通工程北京市重点实验室,北京100124 [2]北京市道路工程质量监督站,北京100076
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)。
年 份:2021
卷 号:47
期 号:11
起止页码:1256-1263
语 种:中文
收录情况:AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊
摘 要: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)
分 类 号:U418.6]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...