沥青路面预防性养护时机综合评价指标体系

为了合理确定沥青路面预防性养护措施的最佳实施时机,分析了沥青路面使用性能评价指标与预防性养护工程特点,建立了基于路面状况指数、行驶质量指数、抗滑系数及车辙的路面使用性能综合评价指标体系。考虑到不同路面所处的地理环境及所承担的荷载组合与交通量的差异,根据道路的实际状况,应用灰色关联度理论确定各分项指标的权重。某高速公路4个单项指标的权重系数计算结果分别为0.27、0.21、0.25与0.27,表明增加的车辙指标是反映沥青路面使用初期特点的控制指标,确定的分指标权重值可使预防性养护时机的选择更具针对性。     

基于灰色理论相对弯沉与沥青路面结构寿命的预测模型

建立了沥青路面GM(1,1)预测模型,并对该模型的预测精度进行了分析.结果表明灰色系统理论适合于预测沥青路面相对弯沉,解决实测周期长的难题.     

基于GA-灰色神经网络的沥青路面使用性能预测

为准确预估我国沥青路面使用性能的变化趋势,在传统灰色预测模型GM(1,1)的基础之上,提出了无偏GM(1,1)模型和滑动GM(1,1)模型,并通过遗传算法(GA)优化后的BP神经网络对传统、无偏与滑动GM(1,1)模型进行了组合,得到了兼顾灰色理论、遗传算法和BP神经网络优点的GA-灰色神经网络组合预测模型,并以具体实例验证了该模型的有效性。结果表明:传统GM(1,1)模型的平均相对误差为4.67%,无偏GM(1,1)模型的平均相对误差为4.64%,滑动GM(1,1)模型的平均相对误差为4.63%,灰色神经网络组合模型的平均相对误差为2.41%,而GA-灰色神经网络组合模型平均相对误差仅为0.54%,证明所提出的组合模型预测精度较高,误差较小,可作为制定路面养护计划的依据。     

灰色理论在高速公路沥青路面使用性能预测中的研究应用

利用GM(1,1)模型对于不同交通量不同面层结构的沥青路面结构的使用性能进行预测,采用PCI、RDI、RQI等指标建模预测并与国内应用较广的负指数模型进行对比。研究显示,灰色模型较好地适用于交通量大,公路路面病害较显著,路面结构损坏较快的情况。尤其在路面性能使用指标衰变快速的情况下,灰色动态模型对路面使用性能预测较负指数模型精度提升较高;在路面结构合理、路面使用性能指标衰变较缓慢时,灰色动态模型与负指数模型都能获得较良好的预测精度。     

基于灰色系统的高速公路沥青路面综合使用性能预测

以京沪高速公路(河北段)沥青路面使用性能评价为例进行研究。分析了影响沥青路面使用性能的主要因素。选取了2007～2011年路面使用性能各项指标数据和交通量,建立了GM(1,N)模型,预测了京沪高速公路(河北段)2012～2016年沥青路面使用性能各分项指标,误差检验表明,预测精度较高。通过预防性养护前沥青路面单项指标衰变曲线分析,得到了沥青路面综合使用性能指标,为确定预防性养护时机提供了依据。     

灰色理论在沥青路面质量控制中的应用研究

分析沥青路面工程项目的质量特点和现行质量控制中数理统计方法的局限性后,提出了一种基于灰色系统理论的沥青路面质量控制方法,建立了GM(1,1)模型,并对模型精度进行检验,针对沥青路面施工过程中的实际情况,引入新陈代谢预测模型的概念,对GM(1,1)模型作了适当的修正,使得模型具有更强的适应性和更好的预测效果.     

区域物流量预测的灰色GM(1,1)模型应用

介绍了灰色预测模型以及灰色预测模型在物流量预测中的应用.建立了基于灰色预测理论的GM(1,1)模型,叙述了运用GM(1,1)模型进行预测的详细步骤,并以某省物流量预测为例进行了实际应用.最后用级比检验和残差检验的方法对预测进行了检验,证明了预测的可信性.     

基于灰色理论的矿区地表沉降预测

基于灰色理论,以某钻井水溶法开采矿区为例,建立原始监测数据的灰色GM（1,1）预测模型,通过后验差和小误差概率的模型精度评价,表明预测精度为一级,预测值与实测值吻合较好,证实了灰色GM（1,1）模型应用于地表沉降预测中的可行性和可靠性.     

基于灰色理论的点速度预测模型分析

利用灰色系统理论,建立快速路地点车速预测的GM（1,1）灰色预测模型,对点速度进行预测,并结合实例应用和验证,预测结果和实测结果较好的吻合,精度较高,表明灰色预测方法的可行性,而且方法简便。     

公路货物运输量灰色马尔可夫预测模型

为了提高公路货物运输量的预测精度,结合灰色系统和马尔可夫链的特点,建立公路货物运输量灰色马尔可夫预测模型.在实例应用中,建立运输量GM(1,1)灰色预测模型,在获得预测值和残差检验的基础上,将原始数据序列划分为4个状态,计算状态转移概率,利用灰区间中位数建立货运量灰色马尔可夫预测模型,对货运量和货运周转量进行预测.将其预测结果与GM(1,1)灰色模型的预测结果比对,结果表明,灰色马尔可夫预测模型可以用于公路货物运输量预测,且其预测精度高于GM(1,1)灰色模型.