首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
路面使用状况会随着公路使用年数的增加而不断衰变.对路面使用状况衰变进行预测,可为公路养护措施的选择和实施时机的选择提供参考.以京哈高速公路路面使用性能检测数据为依托,基于灰色理论,建立高等级沥青混凝土路面使用状况的预测模型,对路面使用状况的衰变进行了预测.通过预测值与实际值的对比,验证了预测模型的实用性与可靠性.结果表明,灰色预测模型可用于路面使用性能衰变的预测中,预测精度较高,计算原理明确,具有较强的实用性,可为公路管理部门提供养护管理决策依据.  相似文献   

2.
基于遗传神经网络算法,在进行高速公路路面使用性能评价与预测时,引入遗传神经网络,建立高速公路路面使用性能评价与预测模型,通过该模型,评价和预测了吉林某高速公路路面使用性能。结果表明:与BP网络预测PCI的结果相比,遗传神经网络预测PCI的结果与高速路面PCI实际值误差缩小更明显,这表明遗传神经网络模型预测精度得到很大程度提高。测试结果说明,本研究提出的遗传神经网络预测方法是可行的,它可以作为高速路面一种有效预测手段,提供科学方法进行公路路面使用性能的评价与预测。  相似文献   

3.
路面使用性能随路龄的增大而减弱,路面性能衰退情况直接影响路面养护对策的选择和养护资金的投入。为了解决养护对策选择带来的资金浪费与养护后性能不佳等问题,文章以灰色系统理论为基础,通过反演法来计算衰退路龄,构建了一个改进的GM(1,1)公路沥青路面使用性能预测模型。选取宁夏国省干线公路中部分路段路面破损状况指数的数据进行分析,对数据筛选后建立GM(1,1)模型,根据选取的实测数据来反演需要预测路段的衰退路龄,代入改进的GM(1,1)模型对路面性能进行预测,验证其准确性,并与直接采用灰色预测法得到的结果进行比对。结果表明:改进GM(1,1)法与直接使用灰色预测模型相比,剔除了路面进行养护工程后路面性能指数上升的路段,不会出现预测失真的情况,预测精度较好,更符合宁夏干线公路路面使用性能的发展规律。  相似文献   

4.
通过对影响路面使用性能的因素分析,考虑己有预测模型的优缺点和应用情况,提出了神经网络与马尔可夫模型的相结合的组合预测模型对路面使用性能进行预测的方法,算例获得了较好效果。  相似文献   

5.
沥青路面使用性能评价是路面养护维修和运营经济分析的基础,路面使用性能的综合评价对于公路的运营管理和优化决策具有重要的意义。本文针对承德市承秦出海公路路况调查,采用物元综合评判法,根据反映路面性能的主要指标,应用关联函数,建立了路面使用性能综合评价物元模型。该模型能较好地处理路面使用性能演化过程中的随机性,计算简单。最后以具体公路路面使用性能为示例,利用建立的数学模型,对该路段路面使用性能的变化趋势进行了分析,预测结果表明了该方法的可应用性。  相似文献   

6.
在分析影响路面使用性能主要因素的基础上,针对现有路面使用性能预测的特点和要求,提出一种将S曲线预测模型与马尔可夫概率预测模型相结合的方法,并以吉林省高速公路特定路段为实例进行应用情况分析,结果论证了该方法的有效性与实用性.  相似文献   

7.
路面状况检测是公路部门要进行的一项常规性工作,其对路面使用性能评价、预测模型的构建和养护措施的制定等都具有十分重要的意义。根据抽样检验理论,同时结合路面使用性能指标特点研究了不同抽样方案对养护路段划分的影响。结果表明:路面使用状况检测数据的变异性、小样本抽样方法均会造成路段划分失误,甚至会出现路面状况差的路段不能够被发现,而路况好的路段却被判定为需要维修路段的情况。其结果可为路面养护决策及相关技术规范的修订提供参考。  相似文献   

8.
公路路面使用性能评价方法研究   总被引:5,自引:0,他引:5  
介绍目前公路路面使用性能评价方法的现状,简述每一种评价方法的基本思想。通过分析对比,讨论各种评价方法的优点与不足,并提出公路路面使用性能评价方法的发展方向。  相似文献   

9.
路面使用性能预测作为路面管理系统中的重要组成部分,是进行沥青路面养护管理决策的重要依据和前提条件。该文引入Gamma和Markov两种随机过程的相关理论,分别构建沥青路面使用性能预测模型,对与路面退化性质相关的不确定性进行阐述。结果表明:随机过程模型在预测路面性能退化和路面寿命方面具有一定的作用。然后通过Matlab软件编程对沥青路面使用性能和寿命进行预测,获得了沥青路面状态退化曲线,大大提高了预测的精度和有效性。最终以河北省某试验路段为例,通过对Gamma与Markov过程预测模型的对比分析,证明了基于Gamma过程的沥青路面性能预测模型的实用性和优越性,为未来的沥青路面使用性能预测提供了新的思路。  相似文献   

10.
山区农村公路路面使用性能预测研究   总被引:1,自引:0,他引:1  
路面使用性能预测是路面养护决策的依据。针对农村公路检测技术落后、数据资料偏少的现状,提出了基于灰色系统预测与马尔可夫概率预测相结合的山区农村公路砂石路面使用性能预测模型,并进行了实例验证。该方法适合目前西部山区农村公路特点,预测结果稳定、可靠。  相似文献   

11.
当前,国内已经构建起完善的高速公路网,而各地针对高速公路的养护模式与技术手段各不相同,且缺乏一个有效的技术手段。在针对高速公路养护技术现状下,以路面使用性能预测评价为基础,构建了基于神经网络和马尔科夫组合预测的路面使用性能预测模型框架。针对路面状况指数PCI、行驶安全指数SRI、行驶质量质量RQI,通过建立组合预测模型,进行路面使用性能的预测,研究结果表明:采用加权算数平均组合、加权平方和平均组合、加权比例平均组合相较于单一的马尔科夫预测以及神经网络预测,在预测精度和预测误差范围上都要得到了很大提高,尤其是加权平方和平均组合所构成的路面使用性能预测模型获得了很好的使用性能预测结果。  相似文献   

12.
沥青路面使用性能检测与评价是公路养护管理决策的基础和科学依据,但路面检测技术的综合化、快速化、精确化一直是个难题。为此,综述了路面检测技术从人工检测、半自动化检测,到无损自动检测的发展过程,介绍了路面使用性能检测方法,探讨了现有路面使用性能检测技术存在的问题及未来的发展方向。  相似文献   

13.
高速公路沥青路面使用性能评价系统研究   总被引:1,自引:0,他引:1  
指出了现行公路路面使用性能评价体系的不足之处,建立了高速公路沥青路面使用性能评价指标体系,并针对各个指标提出了相应的评价标准与方法.  相似文献   

14.
水泥混凝土路面使用性能预测模型   总被引:1,自引:0,他引:1  
根据水泥混凝土路面使用性能的具体特点,本文针对水泥混凝土面使用性能的三个主要指标:路面状况指娄PCI,破损率PSN和实测平整度方差PZK,采用回归分析的方法,建立了在不同交通和结构条件下使用性能随年份变化的预测模型。  相似文献   

15.
公路路面自动检测系统发展综述   总被引:1,自引:0,他引:1  
路面检测数据是路面使用性能评价和路面养护管理决策的基础。公路路面自动检测技术水平的提高,将极大地提高路面自动检测系统的检测精度和工作效率。该文介绍了国内外公路路面自动检测技术发展的现状,指出了存在的问题,并探讨了公路路面自动检测技术未来可能的发展方向。  相似文献   

16.
公路沥青路面使用性能灰色综合评估   总被引:8,自引:0,他引:8  
公路在交通荷载和自然环境的共同作用下,路面使用性能会随着时间推移而日益衰减,从而直接影响车辆的行驶速度和运输的安全性、经济型和舒适性。为了评估和预测路面使用性能状况,便于进行科学地养护和管理,文章系统地提出了公路沥青路面使用性能评价的指标体系和分级标准,建立了沥青路面使用性能灰色综合评价模型。最后,结合选取路段的实测数据与规范推荐评价方法进行了应用与对比分析。  相似文献   

17.
路面基层及路面在公路结构中起着关键作用,而且路面面层的使用性能、使用寿命都与路面基层的质量有着十分密切的联系.文章结合重庆忠县-垫江段高速公路施工实例,针对其路面基层及路面施工工艺,对公路路面基层施工的方法及质量控制进行了探讨,为同行提供参考.  相似文献   

18.
DataPave软件以用户友好界面的形式为提取美国战略性公路研究项目中路面长期使用性能数据提供了比较完善的工具,使得路面长期使用性能数据的输入输出向前迈进了很大一步,是大量使用者持续使用路面长期使用性能数据库的关键.文中介绍了该软件的特点和结构,为建立我国的路面长期使用性能信息管理系统提供了宝贵的资料.  相似文献   

19.
路面使用性能决定了路面维修养护的方法。但沥青路面使用性能4个指标:PCI、SSI、SRI和IRI中路面状况指数检测困难。支持向量机是具有严格统计学习理论的新型学习方法。它对解决小样本非线性等问题具特有的优势。基于支持向量机理论,分析沥青路面使用性能4个指标间的关系,建立了SSI、SRI、IRI实测数据对PCI的预测模型,获得了令人满意的预估效果。结果表明,支持向量机是沥青路面性能评估的简单有效的方法。  相似文献   

20.
高速公路沥青路面使用性能评价指标   总被引:3,自引:1,他引:3  
黄文雄 《中外公路》2003,23(4):74-76
该文从路面功能、结构、承载能力、安全性四个方面介绍了目前公路路面使用性能评价常用的指标;并针对高速公路沥青路面的特点对评价指标进行了改进;最后通过对资料的分析与总结,提出了目前公路路面使用性能评价指标的几个发展方向。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号