利用随机森林算法建立沥青路面车辙预测模型

作者：许有成; 杜亚冰^*

来源：河南城建学院学报, 2022, 31(02): 43-48.

DOI：10.14140/j.cnki.hncjxb.2022.02.008

• MEPDG
• 车辙预测
• 决策树
• 随机森林
• 线性回归

RFR(随机森林回归)是一种非常经典的机器学习算法，可用于建立路面车辙破坏模型以提高其预测准确度，并将其与传统的线性回归模型进行比较。基于Python编程语言环境下的Sikit-learn扩展包中随机森林模块进行模型搭建，训练模型数据来源于NCRHP(国家合作公路研究计划) 01-37A项目生成的两份报告和LTPP(长期路面性能)网站的记录。结果表明:RFR模型明显优于线性回归模型，在测试集中测量值和预测值之间的相关系数R2值从0.392增大到0.875，标准差Se从3.23 mm下降到1.41 mm。因此，RFR模型能够更准确地预测沥青路面车辙。

• 单位
  数理学院; 河南城建学院; 安徽理工大学