基于PCA-IPSO-RBF神经网络的沥青路面破损状况预测

作     者：马子媛 李海莲 蔺望东 MA Ziyuan;LI Hailian;LIN Wangdong

作者机构：兰州交通大学土木工程学院甘肃兰州730070 兰州交通大学甘肃省道路桥梁与地下工程重点实验室甘肃兰州730070 

出 版 物：《大连理工大学学报》 (Journal of Dalian University of Technology)

年 卷 期：2022年第62卷第2期

页      面：197-205页

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：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) 甘肃省青年科学基金资助项目(17JR5RA087) 甘肃省高等学校创新基金资助项目(2021A-048) 甘肃省高等学校创新能力提升项目(2019B-055) 兰州交通大学青年科学基金资助项目(2017016) 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) 

主　　题：道路工程 路面破损状况预测 径向基神经网络 沥青路面 改进粒子群优化 主成分分析 

摘      要：针对现有路面破损状况评价指数较为单一且无法准确预测路面实际破损发展趋势的问题,为探究路面使用指标、路面性能指标和路面环境指标对路面破损状况的影响,提出基于改进粒子群优化(IPSO)与径向基(RBF)神经网络耦合的沥青路面破损预测模型.首先,利用灰色关联分析和主成分分析(PCA)筛选出主要影响因子;然后,通过改进粒子群惯性权重因子,调整粒子全局和局部寻优能力,并利用IPSO算法训练RBF模型中的参数;最后,以主成分分析降维后数据为输入,建立路面破损状况的IPSO-RBF神经网络预测模型.实例研究表明,PCA-IPSO-RBF神经网络预测模型预测平均绝对误差为0.8416.因此,针对复杂非线性路面破损状况预测问题,该模型能够准确预测沥青路面破损状况,为路面养护决策提供有力支持.