|本期目录/Table of Contents|

[1]王军.改进BP网络在沥青路面构造深度预测中的应用[J].厦门理工学院学报,2016,(3):88-92.
 WANG Jun.Improved BP Neural Network in Predicting Texture Depth of Asphalt Pavement[J].Journal of JOURNAL OF XIAMEN,2016,(3):88-92.
点击复制

改进BP网络在沥青路面构造深度预测中的应用(PDF)
分享到:

《厦门理工学院学报》[ISSN:1673-4432/CN:35-1289/Z]

卷:
期数:
2016年第3期
页码:
88-92
栏目:
建筑与土木工程
出版日期:
2016-06-30

文章信息/Info

Title:
Improved BP Neural Network in Predicting Texture Depth of Asphalt Pavement
文章编号:
1673-4432(2016)03-0088-05
作者:
王军
(中交公路规划设计院有限公司宁夏分公司,宁夏 银川 750001 )
Author(s):
WANG Jun
(Zhongjiao Highway Planing and Design Institute Ningxia Branch,Yinchuan 750001China)
关键词:
沥青路面BP神经网络构造深度预测模型
Keywords:
asphalt pavementBP neural networktextural depthprediction model
分类号:
U414
DOI:
-
文献标志码:
摘要:
为了快速有效地检测到沥青路面均匀区域的构造深度,采用了改进的BP神经网络算法,建立了以最大公称粒径、细度模数、4.75 mm筛通过率和沥青用量为影响因素的沥青路面构造深度预测模型.结果表明,预测模型经过2 935次学习训练,预测精度达到目标值0.01,BP神经网络对构造深度预测结果与实际情况非常接近.
Abstract:
To measure the texture depth of the homogeneous area of asphalt pavement effectively,improved BP neural network algorithm was applied and the prediction model of the texture depth was established with influence factors on the maximum nominal size,fineness modulus,4.75 mm sieve pass rate and asphalt content.The results show that after 2 935 times of learning and training on prediction model,the prediction accuracy tends to the target 0.01,so the prediction results of texture depth by BP neural network are very close to the real situation

参考文献/References:

[1]文静.数字化技术评价沥青路面构造深度研究[D].西安:长安大学,2009.

[2]马荣贵,王建峰,李平.沥青路面构造深度精确检测方法研究[J].科学技术与工程,2014,14(8):265-268.

[3]侯祥林,胡英,李永强,等.多层人工神经网络合理结构的确定方法[J].东北大学学报(自然科学版),2003,24(1):35-38.

[4]刘乐.改进BP网络及其在预测问题中的应用研究[D].济南:山东师范大学,2009.

[5]王钰,郭其一,李维刚,等.基于改进BP神经网络的预测模型及其应用[J].计算机测量与控制,2005,13(1):39-42.

[6]徐建,丛林,郭忠印.沥青路面均匀区域构造深度的预估模型[J].建筑材料学报,2007,10(6):653-656.

[7]叶志成,朱朝晖.沥青路面均匀区域的构造深度的影响因素灰熵分析[J].道路工程,2010(7):176-178.

[8]ELLIS G W,YAO C,ZHAO R.Stress-strain modeling of sands Using artificial neural networks[J].Journal of Geotechnical Engineering,1995,121(5):429-435.

相似文献/References:

[1]彭彦卿,邓兴旺,苏志伟.基于BP神经网络和AHP的软胶囊滴丸产品质量软测量建模[J].厦门理工学院学报,2009,(04):71.[doi:10.3969/j.issn.1673-4432.2009.04.015]
 PENG Yan qing,DENG Xing wang,SU Zhi wei.A Capsule Drop Quality Modeling Based on BP Neural Network and AHP[J].Journal of JOURNAL OF XIAMEN,2009,(3):71.[doi:10.3969/j.issn.1673-4432.2009.04.015]
[2]罗宁.基于BP神经网络的高速磨削磨削力预测研究[J].厦门理工学院学报,2011,(03):44.[doi:10.3969/j.issn.1673-4432.2011.03.011]
 LUO Ning.Grinding Force Prediction with Highspeed? GrindingBased on BP Neural Network[J].Journal of JOURNAL OF XIAMEN,2011,(3):44.[doi:10.3969/j.issn.1673-4432.2011.03.011]
[3]乔俊,王军,林海.BoxCox变换在沥青路面构造深度预测中的应用[J].厦门理工学院学报,2017,(3):13.
 QIAO Jun,WANG Jun,LIN Hai.Curvilinear Regression Model Based on BoxCox Transformationin Predicting the Texture Depth of Asphalt Pavement[J].Journal of JOURNAL OF XIAMEN,2017,(3):13.

备注/Memo

备注/Memo:

[收稿日期]2015-06-18[修回日期]2015-07-13

[ 作者简介 ] 王军( 1990- ),男,助理工程师,硕士,研究方向为道路工程 .E - mail beyondjiaju0318@163.com
更新日期/Last Update: