融合GBDT和XGBoost的路面IRI预测方法

    公开(公告)号:CN114881359A

    公开(公告)日:2022-08-09

    申请号:CN202210625570.4

    申请日:2022-06-02

    摘要: 本发明涉及一种融合GBDT和XGBoost的路面IRI预测方法,属于路面监测技术领域。该方法包括:S1:获取路面特征数据,并采用随机森林算法选择特征数据集;S2:构建Stacking融合模型:将步骤S1的特征数据集划分成若干子数据集,输入第一层预测模型的各个基学习器中,每个基学习器输出各自的预测结果;然后,将第一层的模型输出与步骤S1的特征数据集作为第二层的输入,对第二层预测模型的元学习器进行训练,再对位于第二层的模型输出求平均值,得到最终预测结果;其中,第一层预测模型包括GBDT模型和XGBoost模型。本发明提高了路面IRI预测精度,大大提高养护资金规划效益,实现成本效益最优得目标。

    融合GBDT和XGBoost的路面IRI预测方法

    公开(公告)号:CN114881359B

    公开(公告)日:2024-05-14

    申请号:CN202210625570.4

    申请日:2022-06-02

    摘要: 本发明涉及一种融合GBDT和XGBoost的路面IRI预测方法,属于路面监测技术领域。该方法包括:S1:获取路面特征数据,并采用随机森林算法选择特征数据集;S2:构建Stacking融合模型:将步骤S1的特征数据集划分成若干子数据集,输入第一层预测模型的各个基学习器中,每个基学习器输出各自的预测结果;然后,将第一层的模型输出与步骤S1的特征数据集作为第二层的输入,对第二层预测模型的元学习器进行训练,再对位于第二层的模型输出求平均值,得到最终预测结果;其中,第一层预测模型包括GBDT模型和XGBoost模型。本发明提高了路面IRI预测精度,大大提高养护资金规划效益,实现成本效益最优得目标。