路面状况指数的B-P神经网络建模及nntool应用.pdfVIP

426 公路建设与可持续发展 路面状况指数的B—P神经网络 建模及nntool应用 蒋红妍1．戴经梁2 (1．长安大学公路学院，陕西西安710064；2．西安建筑科技大学土木：r-ca,院， 陕西西安710055) 摘要：以已有路面使用性能评价指标——路面状况指数(PCI)为对象，分析了传统回归方 法要求数据量大、建模方法复杂的缺陷，指出人工神经网络方法(ANN)可较好地解决寻求PCI 与各影响因素问函数关系的问题，阐述了利用ANN中的B—P神经网络非线性映照特性来确定 进行了实例验证，结果表明效果良好。PCI的B—P神经网络建模克服了传统回归建模的缺陷； nntool的应用使得网络的训练和使用简便易行，提高了这种建模方法的可操作性和可推广性。 关键词：路面状况指数PCI；B—P神经网络；神经网络工具 评价路面使用性能时，应综合道路管理者和使用 者两方面需求进行考虑。在参照国外模型的基础上， 文献…在建立路面状况评价模型时，利用表面破损数 上，由于并不掌握专家主观评分与各实测数据间的关 据对路面性能进行评价，利用平整度对车辆行驶舒适 系，无法从其物理特性上直接确定。 性进行间接评价，据此提出了表示路面状况和行驶舒 数学模型是对实体的特征和他的变化的一种表示 适性的性能评价指标——路面状况指数PCI(Pave-和抽象，应当能够反映出真实系统中的输入、输出和 mentCondition 状态之间的定量关系。 Index)。能否方便地获得适用的指标 公式。直接影响PCI的接受和认可程度。 文献…采用传统的回归方法对此问题作出了解 l PCI传统回归建模分析 答：首先通过试验路获得足够多的数据；对数据整理 路面状况如何取决于多种因素。通常在建立模型 分析后，确定在当时的交通条件下，可以不把车辙作 时，需要忽略难以定量分析的诸多影响因素，以降低 为路面使用性能的评价指标，即将评价模型简化为 建模难度。因而，在性能评价模型中宜考虑与路面状 况有直接关系的因素呤’31。由路面损坏分析知，目前 前，基于对大量数据的分类分析，假定了各种函数形 影响沥青路面使用性能的主要因素有车辙、裂缝和平 式，分别对其进行单项相关分析，选取相关性较好的 整度等，即可采用式(1)的模型形式。 形式作为模型变量；进而利用选定的单项指标对数据 PCI=，(IRI，D，RD) (1) 进行回归分析，即得PCI的函数式。 式中Pc，—一路面状况指数，评分值； 通过大量数据的回归分析，该模型把路面状况的 限，L一国际平整度指数，mm／km； 主观评分同物理指标加以联系，使评价客观化。其不 D——各种路面裂缝等的破损率，％； 足在于：对样本数据容量有一定的要求，必须有足够 冗D——车辙深度，intoo 多的数据以建模；同时，补充新数据时，可能会得到 其中，IRI、D、RD均是实测的客观数据，PCI不同的回归系数，甚至函数形式也会有所变化；另 则是专家综合舒适性和路面损坏程度两方面给出的主 外，随着所考虑影响因素的增多，即多元输入的数目 观评分。建立适用指标公式的关键在于确定模型的函 较大时，回归分析往往比较复杂、困难。 综合篇 427 2 E B—P神经网络的PCI建模原理