基于NAR-ARIMA组合模型的高速公路沥青路面破损状况预测OA北大核心CSTPCD
基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.
李海莲;高雅丽;江晶晶;司金忠;
兰州交通大学土木工程学院,甘肃兰州730070中铁第六勘察设计院集团有限公司,天津300308
交通运输
道路工程路面破损状况预测ARIMA模型NAR神经网络模型沥青路面
《大连理工大学学报》 2024 (003)
P.307-313 / 7
国家自然科学基金资助项目(51868042);甘肃省自然科学基金资助项目(20JR10RA229,22JR5RA334);甘肃省高等学校创新基金资助项目(2021A-048);兰州交通大学“百名青年优秀人才培养计划”基金资助项目(2018103).
评论