基于小波降噪和灰色神经网络的车辙深度指标预测

论文摘要

车辙是高速公路的主要病害之一,也是路面使用性能重要指标之一。在路面车辙深度指标预测中,带有噪声的数据不可避免地会影响预测的准确性。为此,先采用db3小波滤波器对采样信号进行了降噪预处理,然后采用改进型灰色理论与神经网络相结合的方法对路面车辙深度指标进行了预测,并与传统拟合公式法进行了比较。结果表明:本方法准确度更高,相对误差更小。

论文目录

• 1 基本理论
•   1.1 小波降噪分析
•   1.2 改进型GM （1, 1）
•   1.3 径向基函数神经网络
• 2 车辙深度数据小波预处理
• 3 车辙深度指标预测分析
•   3.1 灰色神经网络组合预测方法
•   3.2 车辙深度指数 （RDI） 预测
•   3.3 不同预测方法比较
• 4 结束语

文章来源

类型: 期刊论文

作者: 肖志军

关键词: 小波降噪,灰色理论,神经网络,车辙深度,预测方法

来源: 公路交通技术 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,自动化技术

单位: 上海市市政公路工程检测有限公司

基金: 沪住建管科项目(2016-009-006)

分类号: U418.68;TP183

DOI: 10.13607/j.cnki.gljt.2019.02.005

页码: 23-27

总页数: 5

文件大小: 1337K

下载量: 165