基于支持向量机的沥青路面性能评价

U418.6; 为了合理地对沥青路面性能进行综合评价,针对传统模型的不足,提出了支持向量机(SVM)路面性能综合评价模型、 沥青路面性能训练集及训练标签的确定方法.同时,分别采用交叉验证(CV)、 粒子群算法(PSO)、 遗传算法(GA)3种优化模型对影响模型精度关键的惩罚参数C与核函数参数g进行寻优,其准确率分别为99.60％,96.67％,94.77％,可见交叉验证寻优所得到的最佳参数分类精确率最高.最后以广东省某高速公路23个养护路段为例,分别使用支持向量机模型与 《公路技术状况评定标准》 对路面性能进行综合评价.结果表明,使用本模型所得到的评价结果更符合实际....

Full description

Saved in:
Bibliographic Details
Published in华南理工大学学报（自然科学版） Vol. 48; no. 9; pp. 116 - 123
Main Authors 赵静, 王选仓, 樊振阳, 王培丞
Format Journal Article
LanguageChinese
Published 长安大学 公路学院, 陕西 西安710064%长安大学 信息工程学院, 陕西 西安710064 01.09.2020
Subjects
支持向量机
性能综合评价
机器学习
沥青路面
Online AccessGet full text
ISSN1000-565X
DOI10.12141/j.issn.1000-565X.190841

Cover

More Information
Summary:U418.6; 为了合理地对沥青路面性能进行综合评价,针对传统模型的不足,提出了支持向量机(SVM)路面性能综合评价模型、 沥青路面性能训练集及训练标签的确定方法.同时,分别采用交叉验证(CV)、 粒子群算法(PSO)、 遗传算法(GA)3种优化模型对影响模型精度关键的惩罚参数C与核函数参数g进行寻优,其准确率分别为99.60％,96.67％,94.77％,可见交叉验证寻优所得到的最佳参数分类精确率最高.最后以广东省某高速公路23个养护路段为例,分别使用支持向量机模型与 《公路技术状况评定标准》 对路面性能进行综合评价.结果表明,使用本模型所得到的评价结果更符合实际.
ISSN:1000-565X
DOI:10.12141/j.issn.1000-565X.190841