基于GRNN神经网络的沥青路面裂缝预测方法

发布时间：2018-02-03 07:40

本文关键词： 道路工程预测方法裂缝高速公路沥青路面广义回归神经网络　出处：《深圳大学学报(理工版)》2017年04期 　论文类型：期刊论文

【摘要】：采用相关分析法对沥青路面裂缝的不同影响因素进行分析,采用广义回归神经网络(general regression neural network,GRNN))建立沥青路面裂缝预测模型,选用50组高速公路路面实测数据对模型进行训练,选用6组实测数据对模型进行检验.结果表明,使用年限和累计轴载次数与裂缝高度正相关;沥青层厚度、半刚性结构层厚度和上面层沥青用量与裂缝呈中度负相关;下面层沥青用量与裂缝呈低度正相关;年最低气温与裂缝相关性极弱.预测值与实测值偏差较小,裂缝预测值与实测值最大偏差为12.71%,说明模型预测效果较好.
[Abstract]:Using the correlation analysis method to analyze the different influencing factors of asphalt pavement crack. The prediction model of asphalt pavement crack is established by using generalized regression neural network (regression) general neural network (GRNN). The model was trained by 50 groups of measured data of expressway pavement and 6 groups of measured data were selected to test the model. The results show that the service life and the cumulative number of axial loads are positively correlated with the crack height. The thickness of asphalt layer, semi-rigid structure layer and asphalt content of upper layer are negatively correlated with cracks. The amount of asphalt in the lower layer is positively correlated with the crack. The correlation between the annual minimum temperature and the fracture is very weak, the deviation between the predicted value and the measured value is small, and the maximum deviation between the predicted value and the measured value is 12.71, which shows that the model has better prediction effect.
【作者单位】：长安大学材料科学与工程学院;中交第一公路勘察设计研究院有限公司;
【基金】：广东省交通运输厅科技计划资助项目(科技-2014-02-008)~~
【分类号】：U416.217;U418.66
【正文快照】： Received:2017-02-11;Accepted:2017-05-23Foundation:Science and Technology Planning Project of Transportation Department of Guangdong Province(Science-2014-02-008)Corresponding author:Professor Chen Huaxin.E-mail:chx92070@163.comCitation:Ke Wenhao,Chen Hua

【参考文献】

相关期刊论文前10条

1 谢峰;;基于BP神经网络的高速公路路面性能预测[J];公路交通科技(应用技术版);2015年09期

2 韦金城;余四新;;青临高速试验路沥青路面结构应变分析和永久变形预估[J];公路交通科技;2015年08期

3 肖金平;韦慧;赵健;李振存;;湖南省高速公路路面使用性能衰变模型[J];中南大学学报(自然科学版);2015年07期

4 白志军;;路面预防性养护中超薄磨耗层的性能评估与寿命预测[J];公路与汽运;2015年04期

5 魏建国;龚文剑;南秋彩;杨冬;张培;;G6高速公路巴新麻段沥青路面使用性能预测研究[J];公路与汽运;2015年03期

6 武建民;刘大彬;李福聪;王笑风;;基于时间序列分析法的沥青路面使用性能预测[J];长安大学学报(自然科学版);2015年03期

7 Bernhard Hofko;;Addressing the permanent deformation behavior of hot mix asphalt by triaxial cyclic compression testing with cyclic confining pressure[J];Journal of Traffic and Transportation Engineering(English Edition);2015年01期

8 程培峰;郑婉;;基于改进残差灰色模型预测路面使用性能的研究[J];中外公路;2014年03期

9 陈涛;郭卫卫;孟令智;魏朗;;基于广义回归神经网络的路面摩擦系数预测模型[J];公路;2014年06期

10 刘亚敏;韩森;徐鸥明;;基于遗传算法的SMA路面抗滑性能预测模型[J];应用基础与工程科学学报;2013年05期

相关期刊论文前10条

1 柯文豪;陈华鑫;雷宇;张涛;;基于GRNN神经网络的沥青路面裂缝预测方法[J];深圳大学学报(理工版);2017年04期

2 张鹏;张坤;张春海;;基于MA-GM(1,1)的高速公路沥青路面使用性能预测[J];公路与汽运;2017年04期

3 张岩;;市政道路路面病害的主要成因及防治措施研究[J];住宅与房地产;2017年17期

4 苏卫国;李绍杰;;应用灰色马尔科夫模型预测路面使用性能[J];筑路机械与施工机械化;2017年04期

5 张超良;朱欢;翟殿钢;朱宝柱;;长益高速公路路面使用性能及病害预测模型应用研究[J];湖南交通科技;2017年01期

6 邹毅松;胡雷;徐亦冬;杜坤;倪晨啸;周佳琰;陈永康;;基于全寿命周期的光催化路面环境效益分析[J];公路与汽运;2017年02期

7 陈少文;展宏图;吴传海;;高速公路沥青路面损坏状况评价标准及养护评价指标研究[J];公路与汽运;2017年01期

8 陈丽萍;;高速公路沥青路面中修养护维修对策选择研究[J];公路与汽运;2016年06期

9 宋剑;王松;廖振华;刘宇宏;刘伟强;;人工神经网络方法在摩擦学领域的应用研究进展[J];润滑与密封;2016年11期

10 付浩雁;杨贝贝;胡德华;郭英嘉;方正;;基于SFLA的改进非等间距GM(1,1)预测模型[J];中国农村水利水电;2016年03期

【二级参考文献】

相关期刊论文前10条

1 Bernhard Hofko;;Addressing the permanent deformation behavior of hot mix asphalt by triaxial cyclic compression testing with cyclic confining pressure[J];Journal of Traffic and Transportation Engineering(English Edition);2015年01期

2 刘兵;谭飞;;沥青路面使用性能评价研究[J];黑龙江科技信息;2013年29期

3 秦志斌;钱国平;马文彬;;基于熵权的沥青路面使用性能多目标综合评价[J];中南大学学报(自然科学版);2013年08期

4 韦灼彬;吴森;张宁;;基于振动传递率的钢框架损伤识别试验研究[J];防灾减灾工程学报;2012年06期

5 王志军;李福普;严二虎;马融;;高速公路路面使用性能灰色预测模型分析[J];公路交通科技(应用技术版);2012年12期

6 盛燕萍;李海滨;陈拴发;张登良;;基于灰色理论的半刚性基层强度模型研究[J];中外公路;2012年04期

7 张亮;;基于灰色马尔可夫模型的路面状况指数预测[J];科学技术与工程;2011年22期

8 王春红;魏远;;基于预防性养护的沥青混凝土路面使用性能预测模型研究[J];公路;2011年03期

9 李长城;刘小明;荣建;;不同路面状况对路面摩擦系数影响的试验研究[J];公路交通科技;2010年12期

10 张长生;马荣国;;山区高速公路交通事故分析及多发路段鉴别[J];长安大学学报(自然科学版);2010年06期

相关期刊论文前10条

1 李宗龙;王冰灿;;基于GRNN的中国出口集装箱运价指数预测[J];中国商贸;2013年21期

2 黄铭;刘俊;;高坝基岩多点变形监测的GRNN模型研究[J];水力发电;2007年03期

3 江鸿;车利;;基于GRNN的电力系统短期负荷预测[J];科技信息(学术研究);2008年03期

4 刘遵雄;周天清;;基于奇异谱分析的GRNN模型在金融时间序列中的应用[J];华东交通大学学报;2011年02期

5 高凌琴;;基于GRNN的汽车保有量预测模型[J];山东理工大学学报(自然科学版);2011年04期

6 李益民;;基于GRNN的主要编组站办理车辆数的预测[J];铁道运输与经济;2012年02期

7 王琪洁;杜亚男;刘建;;Introducing atmospheric angular momentum into prediction of length of day change by generalized regression neural network model[J];Journal of Central South University;2014年04期

8 贺湘宇;何清华;蒋苹;何志勇;;基于动态GRNN模型的挖掘机液压系统故障检测[J];中国工程机械学报;2010年03期

9 崔东文;郭荣;;基于GRNN模型的区域水资源可持续利用评价——以云南文山州为例[J];人民长江;2012年05期

10 吴大中;吴丽华;;基于改进的GRNN的固体氧化物燃料电池辨识模型研究[J];能源研究与信息;2013年04期