灰色特征加权ELM在构造深度预测中的应用

• 作者: 张玉斌 朱朝辉 甘文宁 詹炳根
• 来源期刊: 合肥工业大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 交通工程 灰色关联度 极限学习向量机(ELM) 构造深度 预测模型
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 土木与水利工程
• 页码范围: 827-830
• 页数: 4页
• 分类号: U416.217
• 字数: 3183字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5060.2014.07.013

摘要

路面构造深度是沥青路面质量控制的主要指标之一。极限学习向量机（extreme learning machine ，简称ELM ）是一种快速的前向神经网络学习算法，具有学习速度快、泛化性能好的优点。文章以沥青路面中的细度模数、最大粒径、沥青质量分数和4.75 mm筛孔通过率作为模型输入参数，通过灰色特征加权ELM对模型参数数据进行预处理，以减小训练样本本身存在的孤立点和噪音对预测结果的影响，再代入EL M 预测模型进行路面构造深度的预测。仿真结果表明：路面构造深度影响因素的大小排序为：最大粒径＞沥青质量分数＞细度模数＞4.75 mm筛孔通过率；灰色特征加权ELM比传统ELM具有更好的预测能力，该方法可作为道路工程领域应用的一种新方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹炳根	合肥工业大学安徽土木工程结构与材料省级实验室	68	834	17.0	27.0
2	张玉斌		26	45	4.0	6.0
3	朱朝辉	合肥工业大学土木与水利工程学院	14	123	3.0	11.0
7	甘文宁	合肥工业大学土木与水利工程学院	2	5	1.0	2.0