基于机器学习的路表温度预估方法研究

• 作者: 杨书杰 彭嫣
• 来源期刊: 交通科技
• 学科: 交通运输
• 关键词: 路面温度场 机器学习 LightGBM 温度预估
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 道路工程
• 页码范围: 5-8
• 页数: 4页
• 分类号: U416.04
• 语种: 中文
• DOI: 10.3963/j.issn.1671-7570.2022.02.002

摘要

依托实测路表温度与气象数据,基于路面温度场热平衡方程,分析影响路表温度的主要因素;选取历史路表温度与气象参数作为特征,通过LightGBM(轻量级梯度提升机)对中短时间尺度内的路表温度进行预估.结果表明,水泥、沥青2种路面短期(1 h)预估结果均方根误差分别为0.82,1.12℃,中短期(3h)分别为1.31,1.86℃;允许误差在3℃内时,准确率在90％ 以上;水泥路面预估精度高于沥青路面,高温状况下预估精度稍低.采用LightGBM模型对路面温度预估的效果较好.