一种低温路面的裂缝预测方法

    公开(公告)号:CN110929387A

    公开(公告)日:2020-03-27

    申请号:CN201911069598.9

    申请日:2019-11-05

    申请人: 长安大学

    摘要: 本发明公开了一种低温路面的裂缝预测方法,首先在长期路面性能数据库中选择原始数据,然后对数据中的影响因素进行相关性分析,选择变量相关度的度量标准;在变量分离之后,选择主要成分作为预测因素,在相关性分析之后,数据集分成两个子集,训练数据集用于训练构建的网络以获得基于MMCC的ELM低温路面裂缝预测模型,测试数据集将用于基于MMCC的ELM低温路面裂缝预测模型测试和比较分析,对低温路面裂解数据进行预测,并选择传统的机器学习方法与所构建的基于MMCC的ELM低温路面裂缝预测模型进行比较,同时分析低严重性,中度严重性和高严重性长期路面性能数据库的长度和数量。从而在引起更严重的恶化之前考虑保护性维护,极大地减少路面养护成本。

    一种短时交通流量预测模型构建方法及预测方法

    公开(公告)号:CN111882114A

    公开(公告)日:2020-11-03

    申请号:CN202010628317.5

    申请日:2020-07-01

    申请人: 长安大学

    摘要: 本发明公开了一种短时交通流量预测模型构建方法及预测方法,针对一段时间内的交通流量数据进行聚类,充分提取数据信息输入到GRU神经网络,以短时交通流量模式类别作为输出,对GRU神经网络模型进行训练,训练完成后得到短时交通流量预测模型,实现对短时交通流量的预测。针对神经网络的训练集选取对短时交通流量的预测结果影响显著,采用K-Means聚类算法将历史短时交通流量数据进行聚类,有针对性地进行预测,提高了预测结果的准确度。