沥青路面大修决策模型研究

《沥青路面大修决策模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于改进型BP神经网络的沥青路面大修决策模型研究摘要：本文针对常规大修决策模型PQI模型的缺陷，利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元，以加快BP神经网络的收敛速度、并提高其计算精度。本文根据陕西省高速公路沥青路面的实际情况，建立了有5个输入单元和一个输出单元的神经网络，并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。StudyontheReconstructionDecisionModelofAsphaltPaveme

2、ntAbstract：InordertoimprovetheconventionalReconstructionDecisionModel,thispaperbuildupanewoneonthebasisofAmelioratedBackPropagationNeutralNetwork(ABPNN)byusingtheinformationofasphaltpavementinShann’xiprovince.ABPNNcomesfromBPNNbyaddingsomebiasunitsonthemiddlelayerandoutputlay

3、erwhichcancutshorttheconvergencetimeandimprovetheprecisionofcalculation.Aneutralnetworkmodelwithfiveinputunitsandoneoutputunitiscreatedhereandtrainedwiththedatafromannuallypavementconditionsandpanelrating.Theresultsaysthatthenewmodelisproperinplaceoftheconventionalone.沥青路面在使用

4、一段时间以后，必然出现大量的疲劳破损。当这些破损达到一定程度以后就需要对沥青路面进行大修。国内沥青路面大修决策模型通常采用定值模型，即利用专家评分技术与数理统计的方法建立PQI模型，根据PQI模型的域值来进行沥青路面大修决策。由于专家的意见与沥青路面服务性能指标之间没有特定的关系，因此这种建模方法经常导致PQI与实际路况不一致，从而无法有效地指导沥青路面大修决策。一BP网络的基本结构BP神经网络由输入层、隐含层（也称中间层，可以有多层）和输出层组成，各层之间全连接。图1所示的为简单的三层BP网络。图1BP网络模型结构BP神经网络的传递函数一般采用

5、（0，1）S型函数，其表达式为：。对第P个样本误差的计算公式为：，式中和分别为期望输出和网络的计算输出。BP网络的学习由4个过程组成，即：输入模式由输入层经中间层向输出层的“模式顺传播”过程；网络的希望输出与网络的实际输出之差的误差信号有输出层经中间层向输入层逐层修正连接权的“误差逆传播”过程；由“模式顺传播”与“误差逆传播”的反复交替进行的网络“记忆训练”过程；网络趋向收敛即网络的全局误差趋向极小值的“学习收敛”过程。简而言之，就是由“模式顺传播”——“误差逆传播”——“记忆训练”——“学习收敛”的过程。BP网络的学习规则有时也称广义δ规则。二

6、对BP网络的改进比起早期的神经网络，BP网络无论在网络理论方面还是网络性能方面都更加成熟。其突出的优点是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的处理单元数及网络学习系数都可以根据具体情况任意设定，并且随着结构的差异其性能有所不同。尽管BP网络得到了广泛应用，但是它并不是一个十分完善的网络。首先学习速率必须选得很小以保证学习过程的稳定性，这使得BP网络的学习过程很慢。因此，BP网络在很大程度上表现出它的不实用性，特别是对实时性很强的系统。其次，不能保证收敛到全局最小点。第三，网络隐含层的层数及隐含层的单元数的选取尚无理论上的

7、指导，而是根据经验确定。因此，网络往往有很大的冗余性，无形中增加了网络学习的时间。最后，网络的学习、记忆具有不稳定性。一个训练结束的BP网络，当给它提供新的记忆模式时，将使已有的连接权打乱，导致已经记忆的学习模式的信息消失。要避免这种现象，必须对原来的学习模式连同新加入的新学习模式一起重新训练。而对于人类的大脑来说，新信息的记忆不会影响已记忆的信息，这就是人类大脑记忆的稳定性。为此需要对BP网络进行改进。本课题根据路况建模数据的特点，利用在BP网络中增加反馈信号及偏差单元的网络模型，生成内部回归网络，由于这一网络结构上的特点，尤其是在学习过程中便

8、于引入经验知识（在偏差单元的选择上，可以采用模糊知识概念），大大提高了学习速度。图2带偏差单元的改进型BP神经网络三改进的BP神经网络学