摘要：针对路面抗滑性能预测任务中存在的指标单一和预测精度差等问题,在传统回声状态网络(echo state network,ESN)模型的基础上,提出了逻辑映射(logistic mapping,LM)和偏差丢失(bias dropout,BD)优化的改进回声状态网络模型(LM-BD-ESN)。其中,LM模块能够优化输入权重矩阵,从而与多变量非平稳序列数据产生更高的契合度;BD模块能够自主删除多余的存储单元,从而降低模型复杂度。针对路面材料与抗滑性能之间存在的非线性关系描述,基于三维测量仪采集路面的多组三维形貌数据,分别利用支持向量机(support vector machine,SVM)、相关向量机(relevance vector machine,RVM)、极限学习机(extreme learning machine,ELM)、ESN及LM-BD-ESN对路面抗滑数据进行分析验证。结果表明,所提LM-BD-ESN算法在预测任务中的均方根误差和平均绝对百分比误差分别为0.0858和0.0664,相较于其他算法具有更高的效率和精度。