公开(公告)号：CN114881204B

公开(公告)日：2024-08-27

申请号：CN202210393223.3

申请日：2022-04-14

Applicant: 东南大学

Inventor： 杨顺新 ,  王岐发

IPC: G06F18/20 ,  G06N3/0499 ,  G06N3/086 ,  G06F18/10

Abstract: 本发明公开了一种基于路元拆分和GA‑BP神经网络模型的路面平整度预测的方法，包括：步骤1，采集历年路面平整度检测数据及路面平整度发展影响因素数据，构成数据集，并根据采集到的数据将整体路网划分成若干路元；步骤2，确定GA‑BP神经网络模型的输入输出变量；步骤3，进行GA‑BP神经网络模型结构设计，确定隐含层的节点数；步骤4，采用遗传算法优化GA‑BP神经网络模型的权值和阈值；步骤5，训练并测试GA‑BP神经网络模型，对路面平整度进行预测。本发明解决了传统的路面平整度预测模型预测结果误差大、精度不高的问题，极具现实意义。

公开(公告)号：CN114881204A

公开(公告)日：2022-08-09

申请号：CN202210393223.3

申请日：2022-04-14

Applicant: 东南大学

Inventor： 杨顺新 ,  王岐发

IPC: G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  G06Q10/04

Abstract: 本发明公开了一种基于路元拆分和GA‑BP神经网络模型的路面平整度预测的方法，包括：步骤1，采集历年路面平整度检测数据及路面平整度发展影响因素数据，构成数据集，并根据采集到的数据将整体路网划分成若干路元；步骤2，确定GA‑BP神经网络模型的输入输出变量；步骤3，进行GA‑BP神经网络模型结构设计，确定隐含层的节点数；步骤4，采用遗传算法优化GA‑BP神经网络模型的权值和阈值；步骤5，训练并测试GA‑BP神经网络模型，对路面平整度进行预测。本发明解决了传统的路面平整度预测模型预测结果误差大、精度不高的问题，极具现实意义。