第42卷第3期重庆交通大学学报(自然科学版)Vol．42No．32023年3月JOUＲNALOFCHONGQINGJIAOTONGUNIVEＲSITY(NATUＲALSCIENCE)Mar．2023DOI:10．3969/j．issn．1674-0696．2023．03．10基于神经网络算法的沥青路面使用性能组合预测模型研究曹雪娟1，卢治琳2，吴博文2，黄莹2，王民3(1．重庆交通大学材料科学与工程学院，重庆400074;2．重庆交通大学土木工程学院，重庆400074;3．重庆市智翔铺道技术工程有限公司，重庆400067)摘要:为了准确预测沥青路面使用性能变化规律，提出了基于径向基神经网络算法的路面使用性能组合预测模型PCA-GA-ＲBF;针对神经网络收敛速度慢、模型参数容易陷入局部最优的问题，采用主成分分析算法对路面使用性能影响因素进行了降维处理，利用遗传算法对神经网络结构进行了优化;通过路面行驶质量的预测分析对组合预测模型进行了验证。研究表明:组合预测模型PCA-GA-ＲBF的拟合优度Ｒ2=0．820，均方根误差S=2．645，比单一ＲBF神经网络预测模型误差降低了11．4%，平均预测准确率为84．13%;组合预测模型计算速率快、预测精度高、预测效果好。关键词:道路工程;ＲBF神经网络模型;主成分分析算法;遗传算法中图分类号:U418．6文献标志码:A文章编号:1674-0696(2023)03-071-07CombinedPredictionModelofAsphaltPavementPerformanceBasedonNeuralNetworkAlgorithmCAOXuejuan1，LUZhilin2，WUBowen2，HUANGYing2，WANGMin3(1．SchoolofMaterialScienceandEngineering，ChongqingJiaotongUniversity，Chongqing400074，China;2．SchoolofCivilEngineering，ChongqingJiaotongUniversity，Chongqing400074，China;3．ChongqingZhixiangPavingTechnologyEngineeringCo．，Ltd．，Chongqing400067，China)Abstract:Inordertoaccuratelypredictthechangelawofasphaltpavementperformance，acombinedpredictionmodelPCA-GA-ＲBFofasphaltpavementperformancebasedonradialbasisfunctionneuralnetworkalgorithmwasproposed．Inviewoftheslowconvergencespeedoftheneuralnetworkandeasinessfallingintolocaloptimizationofmodelparameters，theprincipalcomponentanalysisalgorithmwasusedtoreducethedimensionofthefactorsaffectingthepavementperformance，andthegeneticalgorithmwasusedtooptimizethestructureoftheneuralnetwork．Thecombinedpredictionmodelwasvalidatedthroughpredictiveanalysisofroaddrivingquality．Theresearchshowsthat...
