一种基于GA-BP神经网络的路面平整度预测方法技术

本发明专利技术提出了一种基于GA

【技术实现步骤摘要】
一种基于GA
‑
BP神经网络的路面平整度预测方法


[0001]本专利技术属于路面养护管理决策、路面使用性能预测
，尤其涉及一种基于GA
‑
BP神经网络的路面平整度预测方法。

技术介绍

[0002]路面使用性能预测的准确性和科学性直接影响着路面养护管理决策的科学性，路面的养护以及管理工作基本上是围绕着路面使用性能的评价展开的，通过不同的预测方法对路面使用性能进行预测与评价，可以准确了解路面性能发展趋势、评定路面服务质量、判断路段是否需要采取养护措施、科学合理的制定养护规划等。
[0003]对高速公路提出合适的养护方案前，需对相应路段的路面使用性能进行科学准确的预测。首先，路面使用性能预测方法的科学性及相应路面历史数据的准确性与客观性直接决定了性能预测结果可靠与否。其次，高速公路路面使用性能预测方法及理论呈现多样化发展，需要针对不同的背景前提下，选择较为合适的预测方法，并对比分析预测结果的准确性及合理性。
[0004]在路面平整度预测模型研究发展历史中，回归模型因其形式简单且可解释性较强而被本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GA
‑
BP神经网络的路面平整度预测方法，其特征在于，该方法包括以下步骤：1)采集道路基础设施数据、道路交通荷载数据、环境与气候数据、道路养护历史数据及路面使用性能检测数据并预处理，根据收集到的数据将整体路网划分成一个一个的道路单元，简称路元；2)对收集原始数据进行归一化处理；3)将归一化处理后的道路设施基础数据、道路交通荷载数据、环境与气候数据、道路养护历史数据及预测年份之前四年的路面平整度指数IRI，作为模型的输入变量，以下一年的路面平整度指标，即IRI，作为输出对象；4)训练BP神经网络结构，将预测下一年的IRI值与实际检测IRI值做对比，训练模型，确定最优BP神经网络结构；5)采用遗传算法优化BP神经网络，根据确定的BP神经网络结构，用遗传算法优化神经网络权值和阈值，确定最终的GA
‑
BP神经网络结构对路面平整度进行预测。2.根据权利要求1所述的一种基于GA
‑
BP神经网络的路面平整度预测方法，其特征在于，所述步骤1)中，采用路段属性差异逐级拆分的路元划分方式，路元划分的规则是将具有相同的属性的路段拆分为一个路元。3.根据权利要求2所述的一种基于GA
‑
BP神经网络的路面平整度预测方法，其特征在于，所述步骤1)中，相同属性为同一路段、同种路面结构、同一使用性能、相同交通荷载的任一种。4.根据权利要求1或2所述的一种基于GA
‑
BP神经网络的路面平整度预测方法，其特征在于，所述道路基础设施数据为道路基础设施类型数据；道路交通荷载数据包括：货车年平均日交通量(AADTT)、年平均日交通量(AADT)、标准轴载累计当量轴次(ESAL)；环境与气候数据包括：年平均气温、年降雨量、多年平均最大冻深、最高月平均地温；道路养护历史数据包括：路龄，即路面建成通车至今的时间，单位：年、养护路龄，即路面距离最近一次养护的时间，单位：年。5.根据权利要求1所述的一种基于GA
‑
BP神经网络的路面平整度预测方法，其特征在于，所述步骤5)中，采用遗传算法优化BP神经网络，根据确定的BP神经网络结构，用遗传算法优化神经网络权值和阈值，确定最终的GA
‑
BP神经网络结构，具体方法如下：1)初始化种群和编码设置种群规模在20～200之间，该种群中每个个体都包含了BP网络的全部权值...

【专利技术属性】
技术研发人员：杨顺新，陈磊，
申请(专利权)人：东南大学，
类型：发明
国别省市：