神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理,建立评估路面状况指数PCI的模型.通过平整度和路面破损率数据的学习,预测了路面破埙指标PCI,并把神经网络模型和回归模型进行了比较,证明了神经网络模型在路面使用性能评估中有更好的应用前景.     

水泥砼路面使用性能预测模型

根据水泥砼路面使用性能的具体特点，本文针对水泥砼路面使用性能的三个主要指标：路面状况指数ＰＣＩ，破损率ＰＳＮ和实测平整度方差ＰＺＤ，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。     

基于马尔可夫链与神经网络组合的路面使用性能预测

在分析路面使用性能影响因素的基础上,结合马尔可夫过程链预测与BP神经网络预测的优势,提出一种组合预测模型;探讨了模型组合形式及参数确定方法;结合河南某高速公路工程实测资料进行了实证分析。结果表明:通过预测模型的合理组合与参数的优选,能够有效地提高预测精度。     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

公路大修养护资金投入与路面使用性能的关系研究

近年来,随着公路货运的迅速增长,大量重载交通的运行严重缩短了公路的维修养护周期.通过分析北京市某区公路大修养护资金投入与路面使用性能的关系,建立二者的关系模型,可为公路养护部门合理使用养护资金提供参考.     

沥青混凝土路面空隙率在路面使用性能中的重要性

沥青路面空隙率的大小直接影响路面的使用性能,从设计对空隙率的选定、现场对空隙率的控制、压实度和温度对空隙率的影响等方面阐述了沥青路面空隙率指标的重要性。     

马尔可夫模型预测路面的使用性能

通过对沪宁高速公路南京段和苏州段近几年检测数据的统计分析,预测今后的路面使用性能变化情况,为以后的路面维修规划和制定相应的养护提供依据,使其保持优良的使用性能。     

离散Hopfield神经网络在沥青路面使用性能评价中的应用

为使沥青路面使用性能评价更加科学合理,提出了基于离散Hopfield神经网络的评价方法,该方法综合了行驶质量、路面破损状况、结构承载力和路面抗滑性能等4个主要内容对路面使用性能的影响。通过设计离散Hopfield神经网络对沥青路面使用性能进行了综合评价,最后通过实例计算并将计算结果与传统方法的评价结果进行比较。结果表明:该方法合理有效,且相对于传统的方法操作简单、成本更低、易推广,具有一定的优越性。     

京珠高速公路路面使用性能的混合GANN评价

以京珠高速公路湖北段路况检测数据为基础，针对GA与NN优缺点互补的特点，摒弃以往GANN模型的不足，建立了一种充分发挥两者优势的京珠高速公路路面使用性能混合GANN评价模型；应用模型对京珠高速公路进行评价，结果表明：该方法科学、精确、易于实现，是一种实用的高速公路沥青路面使用性能评价方法．     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI.同时,神经网络评价数据和专家系统数据的比较,证明BP神经网络模型在路面使用性能评估中有更好的应用前景.     

应用神经网络-时间序列预测路面平整度

以神经网络和时间序列分析方法为基础,采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对平整度非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合平整度预测的神经网络时间序列分析联合模型,并以江苏省某高速公路的平整度数据为例进行了预测分析。研究结果表明：新模型的预测精度高、实时可靠,可应用于实际工程。     

对改善高速公路路面使用性能的探讨

结合衡德高速公路施工实践,对改善高速公路路面使用性能的措施进行了探讨。     

基于BP神经网络的沥青路面使用性能评价

应用神经网络BP算法原理而建立的路面综合指数评估模型,通过对多个指标的学习来评价路面综合指标PQI。同时．神经网络评价数据和专家系统数据的比较．证明BP神经网络模型在路面使用性能评估中有更好的应用前景。     

浅析提高SMA路面使用性能的措施

介绍了SMA生产控制过程中,混合料级配组成对施工性能的影响以及相应采取的措施,同时就SMA设计和施工中的常见的问题进行了研究.     

层次分析法在沥青路面使用性能评价中的应用

根据层次分析法的基本原理,编制了基于m atlab的路面综合评价程序,并结合工程实际,对路面使用性能指标进行了综合评价,为道路养护及改扩建设计提供设计依据及理论参考。实践证明,层次分析法由于原理简单、具有扎实的理论基础,可广泛地应用于道路评估项目中。     

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。     

沥青路面养护对策的路面使用性能预测模型研究

根据路面使用性能预测模型,同时结合路面使用性能的最低可接受水平,可以确定整个规划期的养护需求,进而建立半刚性基层沥青路面养护对策的费用预测模型,从而为路面养护决策提供科学依据。     

沥青路面养护对策的路面使用性能预测模型研究

根据路面使用性能预测模型,同时结合路面使用性能的最低可接受水平,可以确定整个规划期的养护需求．进而建立半刚性基层沥青路面养护对策的费用预测模型,从而为路面养护决策提供科学依据。     

神经网络算法在油库储油安全中的应用

分析了影响油库储油安全因素,采用收集到的数据对比了各种常见的改进算法,从中选择较优的算法,用MATLAB建模实现BP神经网络,并应用到油库储油安全中,对油库的安全提前进行预测。     

利用神经网络建立土壤施肥模型的应用研究

基于神经网络理论，对土壤施肥模型进行了研究。通过对小麦在同一农田重复进行种植试验，且每次施不同的肥料用量，最后选取丰产的数据作为实验样本，通过归一化把实验数据进行必要的处理。采用BP算法训练网络，对小麦产量和施肥量之间的映射关系进行了数逼近，建立了土壤施肥神经网络模型。通过实际数据验证，该模型的输出与实际肥料用量基本相符。将所建神经网络模型进行用于施肥量的预算，提出了预算精度并能取得较好的效果。