基于粒子群优化的高速公路路面性能评价

U418.6%TP183; 为提高高速公路路面性能评价的科学性和准确性,以2022年京沪高速济南段实测数据为基础构建路面性能评价指标体系,提出一种基于粒子群优化(particle swarm optimization,PSO)的反向传播(back propagation,BP)神经网络路面性能评价算法——PSO-BP算法.通过与传统BP神经网络对比,验证本算法的准确性和有效性.结果表明,PSO-BP算法在训练集上的预测准确率达到了 99.7％,在测试集上的预测准确率达到了 99.4％,与传统BP神经网络相比分别提升19.2％和19.1％,说明利用粒子群算法对BP神经网络的初始权值和阈值进行优化...

Full description

Saved in:
Bibliographic Details
Published in深圳大学学报（理工版） Vol. 41; no. 5; pp. 619 - 625
Main Authors 段美栋, 陈铮, 王琳, 万莹莹, 刘朝晖, 赵全满
Format Journal Article
LanguageChinese
Published 山东高速股份有限公司,山东济南 250014%山东高速工程检测有限公司,山东济南 250002%山东建筑大学交通工程学院,山东济南 250101 01.09.2024
Subjects
高速公路
粒子群优化算法
性能评价
performance evaluation
道路工程
pavement maintenance
神经网络
路面养护
highway
neural network
particle swarm optimization algorithm
road engineering
Online AccessGet full text

Cover

More Information
Summary:U418.6%TP183; 为提高高速公路路面性能评价的科学性和准确性,以2022年京沪高速济南段实测数据为基础构建路面性能评价指标体系,提出一种基于粒子群优化(particle swarm optimization,PSO)的反向传播(back propagation,BP)神经网络路面性能评价算法——PSO-BP算法.通过与传统BP神经网络对比,验证本算法的准确性和有效性.结果表明,PSO-BP算法在训练集上的预测准确率达到了 99.7％,在测试集上的预测准确率达到了 99.4％,与传统BP神经网络相比分别提升19.2％和19.1％,说明利用粒子群算法对BP神经网络的初始权值和阈值进行优化,能够提高模型的预测能力以及准确性;PSO-BP算法的预测结果与实际评价高度一致,具有较好的可靠性和稳定性,能够准确地对高速公路沥青路面性能等级进行评价预测.研究成果可为高速公路的养护决策提供重要依据.
ISSN:1000-2618
DOI:10.3724/SP.J.1249.2024.05619