基于PCA-GA-LSSVMR的高速公路沥青路面行驶质量预测

作者：曹雪娟; 李小宇^*; 吴博文; 郝增恒

来源：重庆交通大学学报(自然科学版), 2023, 42(05): 35-43.

• 道路工程
• 沥青路面行驶质量预测
• 机器学习

为实现对高速公路路面行驶质量的准确预测，节约养护成本，在机器学习理论背景下，以历史路面性能数据为基础，提出一种基于PCA-GA-LSSVMR的高速公路沥青路面行驶质量预测模型。首先采用箱型图分析法和min-max标准化方法对路面性能数据进行预处理，筛选剔除异常数据，并对数据进行归一化处理，保证数据质量的可靠性，然后在Rstudio软件中利用PCA-GA-LSSVMR模型对行驶质量进行预测，并与SVMR模型、PCA-LSSVMR模型进行对比。研究表明：PCA-GA-LSSVMR模型线性回归确定系数为0.835,模型稳定性最好，均方根误差为2.394,预测误差最小，模型平均预测准确率为86%,预测精度较高，能够对沥青路面行驶质量进行有效评估。

• 单位
  重庆交通大学; 土木工程学院; 重庆市智翔铺道技术工程有限公司