基于K最邻近算法的沥青路面使用性能预测

发布时间：2020-12-28 13:06

　　为准确预估沥青路面使用性能衰变规律,提出了基于K最邻近非参数回归的预测方法,探索大数据挖掘技术在路面结构使用性能预测的应用。利用自然分区、交通量等级、面层类型及厚度、基层类型及厚度、路龄作为特征向量,将PQI值及其评价等级作为输出向量,构建了沥青路面结构使用性能KNN预测模型,并将模型应用于广东省普通国省道典型沥青路面结构使用性能预测中。结果表明,K=3时的PQI值预测精度优于K=5时的预测精度;K=3和K=5时的PQI值预测结果的平均绝对百分误差分别为0.737%和0.793%,均小于1%,说明K最近邻算法预测沥青路面使用性能的准确度较高。 

【文章来源】：公路工程. 2020年03期 北大核心

【文章页数】：7 页

【部分图文】：

①分区重交通条件下PQI值趋势

②分区重交通条件下PQI值趋势

①分区中交通条件下PQI值趋势

【参考文献】：
期刊论文
[1]基于K最近邻算法的城市路段行程时间短时预测[J]. 涂锐,秦江灵,赵志平,徐建川,陈顺举,夏立.  重庆理工大学学报(自然科学). 2019(07)
[2]基于灰色关联度分析和支持向量机回归的沥青路面使用性能预测[J]. 赵静,王选仓,丁龙亭,房娜仁,李善强.  重庆大学学报. 2019(04)
[3]降雨条件下高速公路短时行程时间预测研究[J]. 李萌,谷远利,王硕,陆文琦,张源.  交通信息与安全. 2018(04)
[4]基于支持向量机的沥青路面使用性能预测探究[J]. 刘黔会,张挣鑫,黄方林,朱延.  公路工程. 2018(02)
[5]广东省普通国省道典型路面结构衰变规律及养护技术[J]. 许薛军,王俊喆,潘宗俊,钟清文.  公路交通科技. 2017(08)
[6]KNN数据挖掘算法在北京地区霾等级预报中的应用[J]. 熊亚军,廖晓农,李梓铭,张小玲,孙兆彬,赵秀娟,赵普生,马小会,蒲维维.  气象. 2015(01)
[7]基于K最近邻算法的高速公路短时行程时间预测[J]. 王翔,陈小鸿,杨祥妹.  中国公路学报. 2015(01)
[8]基于数理统计方法的MEPDG车辙预估模型校正[J]. 汪海年,张琛,尤占平,陈兴伟.  长安大学学报(自然科学版). 2013(06)
[9]路面使用性能的标准衰变方程[J]. 孙立军,刘喜平.  同济大学学报(自然科学版). 1995(05)

硕士论文
[1]KNN算法在矿井水源识别中的应用[D]. 何晨阳.安徽理工大学 2017



本文编号：2943803