基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了量化各因素与SMA(Stone Mastic Asphalt)路面抗滑性能的相关性,即建立抗滑性能预测模型,首先利用参数辨识法,确定预测模型的表达式形式和变量,然后根据遗传算法的步骤,依次进行参数的编码和群体设定,适应度函数的确定,交叉概率、变异概率和算法终止准则的确定,各变量初值的确定等工作,最终建立了各因素,包括最大粒径通过率、最大粒径次一级筛孔通过率、关键筛孔通过率、关键筛孔次一级筛孔通过率、沥青用量等与SMA路面抗滑性能之间的预测模型.精度检验结果表明,实测值与计算值无显著差异,模型较为合理,可以用于指导SMA配合比设计.
推荐文章
浅析路面抗滑性能与材料的关系
路面抗滑性能
材料
分析
基于遗传算法优化LSSVM的初速预测
弹丸初速
数据缺失
ARIMA模型
GM(1,1)模型
支持向量回归机
BP神经网络模型
遗传算法优化LSSVM
预测精度
基于遗传算法优化支持向量机的交通流量预测
支持向量机
遗传算法
城市交通流量
预测模型
基于遗传算法的交通流量组合预测研究
智能交通
遗传算法
组合预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于遗传算法的SMA路面抗滑性能预测模型
来源期刊 应用基础与工程科学学报 学科 交通运输
关键词 道路工程 抗滑性能 预测模型 遗传算法 SMA
年,卷(期) 2013,(5) 所属期刊栏目
研究方向 页码范围 890-898
页数 9页 分类号 U414.3
字数 2960字 语种 中文
DOI 10.3969/j.issn.1005-0930.2013.05.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 韩森 长安大学特殊地区公路工程教育部重点实验室 127 1269 20.0 29.0
2 徐鸥明 长安大学材料科学与工程学院 49 558 13.0 22.0
3 刘亚敏 长安大学特殊地区公路工程教育部重点实验室 20 148 7.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (37)
参考文献  (11)
节点文献
引证文献  (9)
同被引文献  (63)
二级引证文献  (16)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(13)
  • 引证文献(2)
  • 二级引证文献(11)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
道路工程
抗滑性能
预测模型
遗传算法
SMA
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
应用基础与工程科学学报
双月刊
1005-0930
11-3242/TB
16开
北京大学老地学楼110室
1993
chi
出版文献量(篇)
2121
总下载数(次)
3
总被引数(次)
21474
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导