基于GRNN神经网络的沥青路面裂缝预测方法

• 作者: 张涛 柯文豪 陈华鑫 雷宇
• 来源期刊: 深圳大学学报（理工版）
• 学科: 交通运输
• 关键词: 道路工程 预测方法 裂缝 高速公路 沥青路面 广义回归神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 土木建筑工程
• 页码范围: 378-384
• 页数: 7页
• 分类号: U416.2
• 字数: 3622字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2017.04378

摘要

采用相关分析法对沥青路面裂缝的不同影响因素进行分析,采用广义回归神经网络(general regression neural network,GRNN))建立沥青路面裂缝预测模型,选用50组高速公路路面实测数据对模型进行训练,选用6组实测数据对模型进行检验.结果表明,使用年限和累计轴载次数与裂缝高度正相关;沥青层厚度、半刚性结构层厚度和上面层沥青用量与裂缝呈中度负相关;下面层沥青用量与裂缝呈低度正相关;年最低气温与裂缝相关性极弱.预测值与实测值偏差较小,裂缝预测值与实测值最大偏差为12.71％,说明模型预测效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈华鑫	长安大学材料科学与工程学院	219	1979	24.0	39.0
2	张涛		7	24	3.0	4.0
3	柯文豪	长安大学材料科学与工程学院	4	28	4.0	4.0
4	雷宇		20	123	6.0	10.0