基于随机森林的沥青路面性能预测
为弥补路面性能预测问题中传统预测方法效率差、预测精度低等缺陷,针对普通公路沥青路面状况指数(pavement condition index,PCI)的预测问题,利用北京市9个县区包括路面性能指标、路面结构、交通参数及气象资料在内的1249组观测值,提出了一种基于随机森林算法的PCI预测模型,并与神经网络、支持向量机模型预测结果进行对比.研究结果表明:通过对比分析不同模型的3个定量评价指标(均方根误差、平均绝对误差和决定系数)以及可视化散点图,证明采用随机森林算法的PCI预测模型的鲁棒性、准确性要优于神经网络和支持向量机模型,验证了该模型的有效性和优越性,可以为后续公路养护预算申请和决策方案制定提供科学依据,对于提高公路养护的经济效益具有重要意义.
道路工程;沥青路面;路面性能预测;路面状况指数(PCI);机器学习;随机森林(RF)
47
U418.6(道路工程)
国家自然科学基金资助项目;北京市交通行业科技项目
2021-11-22（万方平台首次上网日期，不代表论文的发表时间）
共8页
1256-1263
