基于多目标粒子群优化算法的路面预防性养护决策模型研究
发布时间：2020-08-07 14:17
【摘要】：我国高速公路设施的存量逐年增加,其中路面设施的养护管理需求尤为突出。科学使用有限的资金、制定高效合理的养护管理方案是目前我国高速公路管理部门面临的主要问题。以微表处为代表的路面预防性养护技术施工速度快、投入产出效果明显,在国内外已经广泛应用。然而,作为路面预防性养护核心功能的养护决策模型目前仍存在各种问题,需要构建更加科学合理的模型。对于路段的划分,既有研究大多只使用传统的路段划分方法。这些方法适用范围小、操作复杂,且精度不高。对于高速公路路面预防性养护效益问题,既有研究大多只考虑养护过程中的经济费用高低或路面使用性能的好坏,很少关注并研究养护过程中的环境污染问题;同时既有研究大多将养护过程中的经济效益,社会效益,环境效益分开考虑,忽略三者之间的内在联系。对于高速公路路面预防性养护决策模型,既有研究大多采用传统的人工决策方法、或者简单的量化模型,在决策模型的构建上少有创新;迫切需要考虑人工智能算法在决策类问题中的优势、将其引入到养护决策过程中。本文着眼于人工智能算法在解决路面预防性养护决策问题方面的优势,基于概率神经网络理论以及多目标骨干粒子群优化算法,对路面预防性养护过程中的经济,社会,环境效益进行分析,构建了新的预防性养护管理模型,并给出了具体的案例分析。本文主要内容如下:(1)利用概率神经网络理论建立了路段划分模型,对路段划分的各类影响因素进行分析,给出了各类影响因素的贡献度,可以自动将路段按照其破坏程度进行分类。(2)将路面预防性养护的效益分为经济成本节约,社会成本节约以及环境成本节约三方面,分别建立了经济、社会、环境效益评价模型,作为多目标决策模型的目标函数。(3)基于多目标骨干粒子群优化算法构建了预防性养护决策模型,利用所构建的目标函数,给出了基于模糊函数的最优养护方案选择方法。所构建的模型能够自动对养护决策结果的优劣性进行评价,能够给出高稳定性、高精确度状态下的基本参数。(4)利用上述构建的决策模型进行了案例分析,结果表明本研究构建的预防性养护决策模型能够生成最佳的养护方案。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U418.6
【图文】：
图２－１邋ＰＮＮ四层结构逡逑Ｆｉｇ．２－１邋Ｆｏｕｒ－ｌａｙｅｒ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ＰＮＮ逡逑输入层：输入测试样本，节点个数等于样本的特征维度。逡逑模式层：计算测试样本与训练样本中的每一个样本的Ｇａｕｓｓ函数的个数等于训练样本的个数。逡逑求和层：求取相同类别测试样本对应的模式层节点输出之和，节点练样本的类别个数。逡逑输出层：对上述求和层输出结果进行分析，判断测试样本的类别。逡逑本文基于Ｍａｔｌａｂ软件平台设计概率神经网络，要构建一个网络结构的初始化、确定传递函数、计算误差、学习规则、进行网络的训练、。在Ｍａｔｌａｂ的概率神经网络工具箱中包含了进行网络分析所需的许多函数如下：逡逑（１）创建概率神经网络的函数ｎｅｗｐｎｎ（Ｐ，邋Ｔ，Ｓｐｒｅａｄ）。该函数用于在Ｍ台上创建一个新的概率神经网络模型。Ｐ、Ｔ分别表示输入向量和输
Ｆｉｇ．２－２邋Ｒｏａｄ邋ｓｅｇｍｅｎｔａｔｉｏｎ邋ｍｏｄｅｌ逡逑２．３预防性养护路段划分结果研究逡逑２．３．１分类结果逡逑本文研究中选用附录Ａ的前２１０组数据作为训练数据，后４０组数据作为验算逡逑数据代入程序中计算，得到的ＰＣＩ计算结果和分类结果如表２－３所示：逡逑表２－３概率神经网络分类结果逡逑Ｔａｂｌｅ邋２－３邋Ｃｌａｓｓｉｆｉｃａｔｉｏｎ邋ｒｅｓｕｌｔｓ邋ｂｙ邋ＰＮＮ逡逑ＰＣＩ结果比较逦！逦分类结果比较逡逑原ＰＣＩ逦概率神经网络计算出ＰＣＩ逦原始分类逦概率神经网络分类逡逑１逦２８逦２８逦差差逡逑２逦６５逦６６逦次逦次逡逑３逦７１７１中
图２－３邋ＰＣＩ回归分析逡逑Ｆｉｇ．２－３邋Ｒｅｇｒｅｓｓｉｏｎ邋ａｎａｌｙｓｉｓ邋ｏｆ邋ＰＣＩ逡逑图２－３显示了原始ＰＣＩ和概率神经网络计算出来的ＰＣＩ之间的相关性，结果逡逑显示，其相关性达到了邋９６．９６％，说明利用概率神经网络来预测已知病害类型的路逡逑面ＰＣＩ值是可行的。根据神经网络算法的本身特性分析，当训练样本达到足够多逡逑的时候，相关性还能够不断提高。逡逑同时观察两者的分类结果，可以看出：原始分类结果与概率神经网络计算出逡逑来的分类结果具有很强的相关性。对分类结果做回归分析，如图２－４所示：逡逑５ｉ逦ｙ逡逑Ｒ？－０．９３６９逡逑４－逦？逦９＾逦？逡逑轱邋３＿逦Ｘ＂逦？逡逑幽邋２＿逦？逦，，逡逑０邋■逦■逦Ｉ逦Ｉ逦Ｉ逦Ｉ逡逑０逦１２逦３逦４逦５逡逑i曷噬窬缂迫椎姆掷噱义贤迹玻捶掷嘟峁毓榉治鲥义希疲椋纾玻村澹遥澹纾颍澹螅螅椋铮铄澹幔睿幔欤螅椋箦澹铮驽澹悖欤幔螅螅椋妫椋悖幔簦椋铮铄澹颍澹螅酰欤簦箦义贤迹玻聪允玖嗽挤掷嘟峁敫怕噬窬绶掷嘟峁闹涞南喙匦裕峁藻义希玻板澹浚垮义
本文编号：2784109
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U418.6
【图文】：
图２－１邋ＰＮＮ四层结构逡逑Ｆｉｇ．２－１邋Ｆｏｕｒ－ｌａｙｅｒ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ＰＮＮ逡逑输入层：输入测试样本，节点个数等于样本的特征维度。逡逑模式层：计算测试样本与训练样本中的每一个样本的Ｇａｕｓｓ函数的个数等于训练样本的个数。逡逑求和层：求取相同类别测试样本对应的模式层节点输出之和，节点练样本的类别个数。逡逑输出层：对上述求和层输出结果进行分析，判断测试样本的类别。逡逑本文基于Ｍａｔｌａｂ软件平台设计概率神经网络，要构建一个网络结构的初始化、确定传递函数、计算误差、学习规则、进行网络的训练、。在Ｍａｔｌａｂ的概率神经网络工具箱中包含了进行网络分析所需的许多函数如下：逡逑（１）创建概率神经网络的函数ｎｅｗｐｎｎ（Ｐ，邋Ｔ，Ｓｐｒｅａｄ）。该函数用于在Ｍ台上创建一个新的概率神经网络模型。Ｐ、Ｔ分别表示输入向量和输
Ｆｉｇ．２－２邋Ｒｏａｄ邋ｓｅｇｍｅｎｔａｔｉｏｎ邋ｍｏｄｅｌ逡逑２．３预防性养护路段划分结果研究逡逑２．３．１分类结果逡逑本文研究中选用附录Ａ的前２１０组数据作为训练数据，后４０组数据作为验算逡逑数据代入程序中计算，得到的ＰＣＩ计算结果和分类结果如表２－３所示：逡逑表２－３概率神经网络分类结果逡逑Ｔａｂｌｅ邋２－３邋Ｃｌａｓｓｉｆｉｃａｔｉｏｎ邋ｒｅｓｕｌｔｓ邋ｂｙ邋ＰＮＮ逡逑ＰＣＩ结果比较逦！逦分类结果比较逡逑原ＰＣＩ逦概率神经网络计算出ＰＣＩ逦原始分类逦概率神经网络分类逡逑１逦２８逦２８逦差差逡逑２逦６５逦６６逦次逦次逡逑３逦７１７１中
图２－３邋ＰＣＩ回归分析逡逑Ｆｉｇ．２－３邋Ｒｅｇｒｅｓｓｉｏｎ邋ａｎａｌｙｓｉｓ邋ｏｆ邋ＰＣＩ逡逑图２－３显示了原始ＰＣＩ和概率神经网络计算出来的ＰＣＩ之间的相关性，结果逡逑显示，其相关性达到了邋９６．９６％，说明利用概率神经网络来预测已知病害类型的路逡逑面ＰＣＩ值是可行的。根据神经网络算法的本身特性分析，当训练样本达到足够多逡逑的时候，相关性还能够不断提高。逡逑同时观察两者的分类结果，可以看出：原始分类结果与概率神经网络计算出逡逑来的分类结果具有很强的相关性。对分类结果做回归分析，如图２－４所示：逡逑５ｉ逦ｙ逡逑Ｒ？－０．９３６９逡逑４－逦？逦９＾逦？逡逑轱邋３＿逦Ｘ＂逦？逡逑幽邋２＿逦？逦，，逡逑０邋■逦■逦Ｉ逦Ｉ逦Ｉ逦Ｉ逡逑０逦１２逦３逦４逦５逡逑i曷噬窬缂迫椎姆掷噱义贤迹玻捶掷嘟峁毓榉治鲥义希疲椋纾玻村澹遥澹纾颍澹螅螅椋铮铄澹幔睿幔欤螅椋箦澹铮驽澹悖欤幔螅螅椋妫椋悖幔簦椋铮铄澹颍澹螅酰欤簦箦义贤迹玻聪允玖嗽挤掷嘟峁敫怕噬窬绶掷嘟峁闹涞南喙匦裕峁藻义希玻板澹浚垮义
本文编号：2784109
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2784109.html
