基于神经网络与马尔可夫组合模型在城市公路使用性能中的预测实现

基于神经网络与马尔可夫组合模型在城市公路使用性 能中的预测实现 //. paper, edu -1 - 中国科技论文在线 基于神经网络与马尔可夫组合模型在城市 公路使用性能中的预测实现 孙彬彬，王虹** 作者简介孙彬彬（1991-）,男，硕士研究生，主要研究方向信息传输与 处理技术 通信联系人王虹（196〈2-），女，教授，主要研究方向图像处理与智能 识别、信息采集与信息处理理论 与技术、多媒体信息处理 摘要城市道路使用性能关乎是城市道路建设的延续,其运行管理是确保城 市道路运行状态 的关键。随着我国经济和交通的快速发展，城市道路的实际使用寿命和设计 指标往往会有较 大的差距，在使用过程中往往会产生预期之外的损伤，而日益增大的交通压 力对城市道路的养 护管理也提出新的挑战。因此必须通过建立一套对公路使用性能达到科学有 效的预测模型，1〈0 加强对道路破损衰变过程的监控,从而建立有效的道路使用性能评价方法, 使前期的设计与后 期的管理能够得到融合，保障城市道路的行能力。 关键词公路性能预测；马尔可夫；神经网络 中图分类号TP39 15 Design and Implementation Based on the combination of neural network and markov model in urban road use perance and prediction Sun Binbin, Wang Hong School of Ination Engineering, Wuhan University of Technology, Wuhan 430070 20 Abstract Urban road maintenance is the continuation of urban road construction, its operationmanagement is to ensure the running state of urban roads. As the rapid development of economy and urban traffic of our country, the actual use of the road of life will often have larger gap with the design inds, in the use process tend to produce unexpected injury, and the increasing pressure on the urban road traffic also puts forward a new challenge to the maintenance 025 management. Therefore , it must be by means of inatization to raise urban road maintenance level, to strengthen the monitoring of the decay damaged roads, Establishing effective ways of perance uation of the road, make the design and management fusion, ensure the urban road traffic capacity. Key words Highway perance prediction； markov； neural network 30 〈0引言 随着我国公路建设事业的迅猛发展，并从以建设为主转变为以养护为主，因 此公路的养 护管理日益重要，而对路面使用性能的预测便是其中最为关键的一个环节 [1]。路面使用性能 预测是研究路面使用性能各项指标在不同的外部条件下随时间的变化规律， 是对路面实施科35 学管理的基础，是制定科学决策和路面养护计划的前提。合理、准确的预测 可以帮助，确定 最佳的养护对策，使路网维持尽可能高的水平，发挥最大的社会和经济效益 [02] o 路面使用性能是一个动态的过程，并且影响这个过程的因素很多，关系复杂 范围广泛[3]。 因此本论文在分析国内外路面使用性能预测模型的基础上，结合实际情况， 建立了基于神经 网络和马尔可夫模型的组合预测模型，充分发挥两者的优势，以期能够更加 精准的预测我国40 高速公路沥青路面的使用性能。 //. paper, edu -02 - 中国科技论文在线 1神经网络与马尔可夫预测模型简要分析 1. 1神经网络模型 神经网络模型能够自学习、非线性映射和并行分布处理，并且还能随着观测 资料的更新 和补充，可以自动的修正内部参数，同时能够把环境因素量化作为其中一个 影响因素加入到45 模型里面，增加了模型预测的精确性。但利用神经网络来预测路面的使用性 能时也有缺陷， 要求有一定使用性能观测历史资料，这对新建路段以及运营时间较短的路段 很难适用。 1.02马尔可夫模型 马尔可夫模型可以在没有任何路面历史资料的情况下，直接根据养护工程师 的经验确定 路面使用性能衰变趋势，当路面数据资料充足时，又可对转移概率矩阵进行 校正。但是马尔5〈0 可夫模型对未来路面使用性能的预测仅与当前路面状况相关这一假设与实 际是很难相符的。 1.3组合模型的提出 本文综合考虑各种预测模型的优缺点，结合网级养护管理的特点，将充分利 用马尔可夫 与神经网络模型的优势，基于组合预测的思想建立神经网络与马尔可夫的组 合预测模型。为 了对比分析，优选的组合预测模型，本文基于加权平均和加权比例平均思想 分别设计了加权55 算术平均组合预测模型，加权平方和平均组合预测模型和加权比例平均组合 预测模型。 02神经网络与马尔可夫组合预测模型在公路路面使用性能中的应用 02. 1 BP神经网络模型简介 BP神经网络由3层组成，即输入层、隐含层和输出层。它是一个单向传播 的网络，每 一层的神经元只接受来自前一层神经元的信号，而同一层各神经元之间没有 任何联系。当提6〈0 供给网络一对学习模式之后，神经元的激活值，从输入层经各中间层向输出 层传播，在输出 层的各神经元获得神经网络的输入响应。在这之后，按减少希望输出与实际 输出误差的方向， 从输出层经各中间层逐层修正各连接权，最后回到输入层，因此又称为“误 差逆传播算法”。 随着这种误差逆传播修正的不断进行，网络输入模式响应的正确率也不断上 升4。 研究表明，应用BP网络具有较高的预测精度。为此，本文采用BP网络预 测路面使用65 性能，其本结构如图1所示。BP算法把网络的学习过程分为正向传播和反 向传播两种交替 过程，如果正向传播输出的误差平方和达到预期的精度，则沿误差的负梯度 力方向将修正各 层神经元的权值和闭值，如此反复