基于BP神经网络的路面使用性能预测模型

建立路面使用性能预估模型是路面管理系统的关键工作.该文结合重庆市某高速公路的养护情况,以当量轴次、路龄、每年最热月的月平均最高气温、每年最冷月的极端最低气温、每年的年降雨量、养护费用作为输入节点参数,以路面的综合评价指标(PQI)作为输出节点参数,训练BP神经网络模型,并使用训练好的模型预测路面使用性能的发展情况.     

沥青路面使用性能的神经网络评价方法

沥青路面使用性能指标之间存在着内在的关联性，但这种高度非线性关系无法用传统的统计回归方法建立数学模型。本文采用神经网络方法建立了路面破损状况与其它指标之间的模型，并采用实测数据进行了检验，结果表明，模型精度可满足工程实践的要求。     

应用人工神经网络预测路面使用性能

针对传统的路面使用性能预测方法存在的不足，应用人工神经网络理论，建立预估模型。经过理论分析与实际验证，这一方法是完全可行的。     

高速公路路面使用性能突变评价方法研究

评价路网中各路段的使用性能,根据路面使用状况制定养护计划,才能充分利用有限的养护资金,取得最佳养护效果。针对路面使用性能综合评价的复杂性,利用突变级数的基本思想和突变系统常用类型中的蝴蝶突变,建立了高速公路路面的使用性能评价模型。最后以四川省5条高速公路的路面性能评价为例,按其使用性能进行了排序,验证了该评价方法的合理性,为路面性能评价和养护决策提供了一种新方法。     

基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度,先后构造了44 种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

公路路面使用性能评价方法研究

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。     

基于改进型BP神经网络的沥青路面大修决策模型研究

针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。     

模糊神经网络在沥青路面使用性能评价中的应用

讨论基于模糊神经网络的沥青路面使用性能评价系统,与传统的专家打分等方式相比,此方法不受主观等因素影响,有一定的实用价值。     

基于BP神经网络的路用聚合物纤维沥青混凝土性能研究

文章引入BP神经网络算法，在大量试验数据学习的基础上，对添加聚合物纤维的沥青混合料的马歇尔稳定度进行测试和分析，提出了最佳纤维用量和最佳沥青用量；并应用该网络系统对添加纤维后的沥青混合料的抗剪切强度进行预测，定量说明了添加聚合物纤维对沥青混合料的高温稳定性的影响。     

路面破损诊断的神经网络方法

由于路面病情机理的复杂性，因而难以得到一套精确、实用的病情识别诊断判据。本文通过对神经网络分类功能及公路路面病情诊断技术的分析，提出了利用神经网络进行路面病情诊断方法，为进一步开发相关实用技术作了一定的理论准备。     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

BP神经网络在公路路面性能预测中的应用

路面性能预测是路面养护管理的重要组成部分,一般较难考虑自然环境对路面性能的影响,对已知信息的利用效率不高,造成预测误差.文中以某高速公路路面性能预测为例,详细说明了BP神经网络技术在路面性能预测中的作用,力求推广计算机辅助的人工神经网络在路面性能预测中的应用.     

基于BP神经网络模型的人才考核评价研究

人才工作考核评价是对人才素质、业绩和人才价值的综合测评。多年的人才管理工作实践表明,引入科学的人才评价体系是人才资源有效开发的前提和开展人事人才工作的基础。本文从素质、能力和贡献3个角度提出人才考核评价的指标体系,并引入BP神经网络模型,提出了BP神经网络模型在人才考核评价中的工作程序和原理,为今后人才考核评价的研究提供了相关依据。     

基于使用性能的沥青路面结构设计方法研究

以沥青路面的使用性能方程为基础,以路面结构的最小造价或路面设计年限内的最小总费用为优化目标,提出了基于使用性能的沥青路面结构设计方法;该方法可以考虑路面使用过程中的性能变化,能够考虑路面结构各层对路面使用性能的影响,与传统的基于力学的或基于经验的设计方法有较大的改进;对该方法的建立基础、框架、设计参数、设计流程及方法特点作了简要叙述.     

高速公路沥青路面使用性能评价模型的探讨

充分考虑高速公路行车特点及对路面使用性能的要求，利用河北省高速公路的调查数据，分析目前养护规范评价模型在高速公路应用中的不适之处，提出应建立能正确反映高速公路使用性能的评价模型结构体系；并在原有路况指数模型的基础上，增加独立的车辙模型和车辙、破损二元模型。     

路面检测评价方法的研究

在介绍现行路面检测评价方法的基础上，详细说明了无损检测技术的应用现状和发展趋势，论述了FWD检测技术的研究方向。     

328国道江阳段沥青路面使用性能评价及处治方案探讨

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、经济和舒适性。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，最后根据实测数据与规范推荐，选择合适的养护维修决策。     

高速公路路面使用性能评价的一种方法

根据高速公路路面使用性能评价现状,提出了一种适用于我国高速公路的基于属性测度和客观性权重计算的路面使用性能模糊综合评价方法。阐述了综合评价方法的基本思路,重点分析了单因素属性测度和客观性权重的计算方法,讨论了权重调整的基本原则,并进行了实例分析。将实例分析计算的结果与PSI、MCI模型的计算结果比较,评价结果基本一致。     

路面使用性能综合评价方法分析

通过对国道108线广北段实际路面性能的调查分析，研究了几种评价方法计算所得结果，提出了利用显著性检验和可靠性分析的手段进行路面综合评价的设想，并进行了实例演算。     

基于BP模糊神经网络的高速公路项目运营效益评价

基于模糊综合评价的BP神经网络方法,把实际的数据或专家的打分进行模糊处理,采用BP神经网络学习算法进行计算,克服了模糊综合评价权重确定的主观性过大的缺点,达到主观与客观完美结合的目的。该评价系统具有精度高和速度快的优点,相对误差小于1.2％。