基于NAR-ARIMA组合模型的高速公路沥青路面破损状况预测

U416.217; 基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据....

Full description

Saved in:
Bibliographic Details
Published in大连理工大学学报 Vol. 64; no. 3; pp. 307 - 313
Main Authors 李海莲, 高雅丽, 江晶晶, 司金忠
Format Journal Article
LanguageChinese
Published 兰州交通大学土木工程学院,甘肃兰州 730070%中铁第六勘察设计院集团有限公司,天津 300308 01.05.2024
Subjects
pavement damage prediction
asphalt pavement
道路工程
NAR神经网络模型
NAR neural network model
路面破损状况预测
沥青路面
ARIMA model
ARIMA模型
road engineering
Online AccessGet full text
ISSN1000-8608
DOI10.7511/dllgxb202403012

Cover

More Information
Summary:U416.217; 基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.
ISSN:1000-8608
DOI:10.7511/dllgxb202403012