基于粒子群优化的高速公路路面性能评价OA北大核心CSTPCD
为提高高速公路路面性能评价的科学性和准确性,以2022年京沪高速济南段实测数据为基础构建路面性能评价指标体系,提出一种基于粒子群优化(particle swarm optimization,PSO)的反向传播(back propagation,BP)神经网络路面性能评价算法——PSO-BP算法.通过与传统BP神经网络对比,验证本算法的准确性和有效性.结果表明,PSO-BP算法在训练集上的预测准确率达到了99.7%,在测试集上的预测准确率达到了99.4%,与传统BP神经网络相比分别提升19.2%和19.1%,说明利用粒子群算法对BP神经网络的初始权值和阈值进行优化,能够提高模型的预测能力以及准确性;PSO-BP算法的预测结果与实际评价高度一致,具有较好的可靠性和稳定性,能够准确地对高速公路沥青路面性能等级进行评价预测.研究成果可为高速公路的养护决策提供重要依据.
段美栋;陈铮;王琳;万莹莹;刘朝晖;赵全满;
山东高速股份有限公司,山东济南250014山东高速工程检测有限公司,山东济南250002山东建筑大学交通工程学院,山东济南250101
交通运输
道路工程神经网络粒子群优化算法高速公路路面养护性能评价
《深圳大学学报（理工版）》 2024 (005)
P.619-625 / 7
山东高速企业研发资助项目(HSB2020201);山东建筑大学研究生教育质量提升计划资助项目(YZK231313);山东省自然科学基金资助项目(ZR2018BEE039)。
评论