高速公路雾天能见度预测方法

作者：龙科军; 李超群; 毛学军; 胡玉婷

来源：徐州工程学院学报(自然科学版), 2017, 32(01): 31-37.

DOI：10.15873/j.cnki.jxit.000135

• 高速公路
• 雾天
• 能见度
• BP神经网络
• 支持向量机

以多要素气象检测器采集的样本数据为基础,将温度、风速及湿度作为输入变量以及雾天能见度作为输出变量,分别采用三层结构BP神经网络和支持向量机非线性回归预测方法,建立雾天能见度的预测模型;将预测结果与实际数据进行对比分析的结果表明:BP神经网络和支持向量机均能较好地预测雾天能见度,其中BP神经网络和支持向量机模型预测值与实际值的相关性分别为0.895和0.978.支持向量机预测结果的误差更稳定,因而更适于处理非线性小样数据.

• 单位
  长沙理工大学; 江西省交通工程集团有限公司; 江西公路开发总公司