灰色特征加权ELM在构造深度预测中的应用

作     者：朱朝辉 张玉斌 甘文宁 詹炳根 ZHU Zhao-hui;ZHANG Yu-bin;GAN Wen-ning;ZHAN Bing-gen

作者机构：合肥工业大学土木与水利工程学院安徽合肥230009 合肥工业大学安徽土木工程结构与材料省级实验室安徽合肥230009 安徽省交通规划设计研究院有限公司安徽合肥230088 

基　　金：国家自然科学基金资助项目(51179043 51078123) 

出 版 物：《合肥工业大学学报（自然科学版）》 (Journal of Hefei University of Technology：Natural Science)

年 卷 期：2014年第37卷第7期

页      码：827-830页

摘      要：路面构造深度是沥青路面质量控制的主要指标之一。极限学习向量机(extreme learning machine,简称ELM)是一种快速的前向神经网络学习算法,具有学习速度快、泛化性能好的优点。文章以沥青路面中的细度模数、最大粒径、沥青质量分数和4.75mm筛孔通过率作为模型输入参数,通过灰色特征加权ELM对模型参数数据进行预处理,以减小训练样本本身存在的孤立点和噪音对预测结果的影响,再代入ELM预测模型进行路面构造深度的预测。仿真结果表明:路面构造深度影响因素的大小排序为:最大粒径>沥青质量分数>细度模数>4.75mm筛孔通过率;灰色特征加权ELM比传统ELM具有更好的预测能力,该方法可作为道路工程领域应用的一种新方法。

主 题 词：交通工程 灰色关联度 极限学习向量机(ELM) 构造深度 预测模型 

学科分类：08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.3969/j.issn.1003-5060.2014.07.013

馆 藏 号：203535652...