使用贝叶斯神经网络和古怪搜索优化,对路面退化进行了增强的概率预测
Feng Xiao1, Biying Shi2, Jie Gao3
1School of Transportation Engineering, East China JiaoTong University, Nanchang, 330013, China.
Scientific reports
|March 14, 2025
概括
这项研究引入了使用贝叶斯神经网络 (BNN) 与子搜索 (CS) 算法相结合的改进的概率性路面损坏模型. CS-BNN模型为路面管理提供了更可靠的预测,减少了维护不确定性和成本.
科学领域:
- 土木工程 土木工程是指土木工程.
- 运输工程 运输工程
- 数据科学数据科学数据科学
背景情况:
- 有效的路面维护依赖于准确的条件预测.
- 现有的模型往往缺乏概率方法,以改善路面退化预测.
- 概率模型对于优化维护和康复决策至关重要.
研究的目的:
- 提出一个改进的概率模型,用于路面的恶化预测.
- 提高预测准确度,减少路面管理中的不确定性.
- 开发一个模型,将贝叶斯神经网络 (BNN) 与子搜索 (CS) 算法结合起来.
主要方法:
- 开发了一种新的CS-BNN模型,集成贝叶斯神经网络和子搜索算法.
- 使用确定系数 (R2) 和标准偏差 (稳定性) 评估模型性能.
- 利用来自山西省的路面管理系统数据进行验证.
主要成果:
- 与BNN,GA-BNN和PSO-BNN模型相比,CS-BNN模型表现出优异的预测性能.
- 实现更高的确定系数 (R2) 和更低的标准偏差,表明更好的准确性和稳定性.
- 敏感性分析证实了CS-BNN模型的稳定性和可靠性.
结论:
- CS-BNN模型提供了更可靠的路面损坏预测,不确定性降低.
- 这种增强的预测能力有助于道路工程师优化维护计划和相关成本.
- 该研究强调了将元启发算法与路面管理的BNN合的有效性.
