原文传递
基于人工神经网络的沥青路面纵横向裂缝演化预测研究
| 论文题名： | 基于人工神经网络的沥青路面纵横向裂缝演化预测研究 |
| 关键词： | 沥青路面;病害预测;纵横向裂缝;人工神经网络 |
| 摘要： | 沥青混凝土路面是我国公路的基本路面结构形式，具有行车舒适性高和容易修复等功能特性。但随着服役时间的增加，沥青路面会产生多种病害，其中纵横向裂缝在产生之后，不仅会影响行车的舒适度，还会进一步引发多种其他病害，甚至导致路面结构的整体破坏。而基于物理计算分析的裂缝演化模型尚不能满足工程实践的需要，且能够考虑的相关影响因素有限。鉴于此，本文针对沥青路面纵横向裂缝的长度和数量在服役过程中的变化情况进行预测研究。在调研和全面分析影响纵横裂缝发展相关的主要因素的基础上，从长期路面性能数据库中选取对应的数据，并对输入特征进行相关性分析、灰色关联分析和随机森林重要度排序，建立纵横向裂缝长度和横向裂缝数量的人工神经网络预测模型，最后依据重要度排序结果对模型进行优化。本文建立的纵横向裂缝预测模型能够为道路运营管理及科学养护提供一定参考。本文主要内容如下： （一）调研浙江省高速路面基本状况及裂缝病害成因。调研路面基本建设情况基本相同，病害中裂缝类病害占比最大，纵横向裂缝是裂缝类病害中的主体。裂缝的产生和发展与沥青路面的材料结构、交通量、温度和降雨量密切相关。从长期路面性能数据库中选取具体的变量数据，处理后的数据进行统计分析，分析结果显示样本数据取值区间包含了浙江省高速公路数据。 （二）分析纵横向裂缝与其影响因素之间的关系。相关性分析结果显示，历史病害对病害发展影响最大，时间、交通和气候信息影响次之；灰色关联分析结果认为历史病害与裂缝当前状态灰色关联度最高，外部环境信息次之，级配参数最低；随机森林模型的预测效果较好，特征重要度排序结果为历史病害信息对模型的重要度最高，外部环境、时间和面层厚度对病害发展影响较大。 （三）建立人工神经网络裂缝病害预测模型。基于网格搜索法选择模型参数，探究了不同参数对模型效果的影响。建立将所有特征都作为输入时的纵横向裂缝预测模型，横向裂缝长度、数量和纵向裂缝长度预测模型在全部数据集上的决定系数R2分别为0.826、0.837和0.804。平均绝对误差分别为12.27、8.79和32.18，均方根误差为19.54、14.01和49.38，模型效果良好。 （四）利用特征重要度排序的结果优化预测模型。根据随机森林重要度排序依次将不同模型的输入参数进行删减，横向裂缝长度、数量及纵向裂缝长度预测模型分别删减2、3、5个低重要度后，特征模型效果最佳；分别删减9、6、8个低重要度特征后，能保持R2高于0.80的同时实现模型最简化。将浙江省高速公路数据应用于优化模型，预测结果整体良好。 |
| 作者： | 万诚 |
| 专业： | 道路与交通工程 |
| 导师： | 王金昌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
