|
|||||
|
|
| 基于编码器-解码器结构的路面平整度预测 | |
| 引用本文： | 呙润华,于向前.基于编码器-解码器结构的路面平整度预测[J].同济大学学报(自然科学版),2023,51(8):1182-1190. |
| 作者姓名： | 呙润华 于向前 |
| 作者单位： | 清华大学 土木水利学院，北京 100084 |
| 基金项目： | 交通基础设施全自动数据采集及智能分析平台建设项目（20203910013）；黑龙江省科技厅项目（2022ZXJ02A01） |
| 摘 要： | 提出了基于编码器?解码器结构的路面平整度预测模型。对比分析了不同网络层的表现，并比较了网络层个数、隐藏节点数、数据时间窗口对模型精度的影响。在美国交通部公开的LTPP（long-term pavement performance）数据库的基础上构建了国际平整度指数（IRI）数据集，并对模型进行了训练和评估。结果表明：采用门控循环单元（GRU）网络层的编码器?解码器结构的预测性能最好，优于经典的机器学习模型XGBoost和单独长短期记忆（LSTM）网络。通过特征随机打乱的方式对不同输入特征的重要性进行了评估，结果显示路面结构和温度对于路面平整度预测比较重要，在数据库建设时应注意对这些数据的收集。 |
| 关 键 词： | 路面平整度预测 编码器?解码器结构 长短期记忆（LSTM）网络 门控循环单元（GRU） 注意力机制 |
| 收稿时间： | 2023/5/20 0:00:00 |
Pavement Roughness Prediction Based on Encoder-decoder Structure |
|
| GUO Runhu,YU Xiangqian.Pavement Roughness Prediction Based on Encoder-decoder Structure[J].Journal of Tongji University(Natural Science),2023,51(8):1182-1190. | |
| Authors: | GUO Runhu YU Xiangqian |
| Abstract: | |
| Keywords: | pavement roughness prediction encoder-decoder structure long short-term memory (LSTM) network gated recurrent unit (GRU) attention mechanism |
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 | |