论文部分内容阅读
高速公路是我国交通运输的重要组成部分,我国高速公路早期进行了大规模建设,目前已经有相当大一部分路段进入大中修阶段,这就对高速公路路面性能检测、评价、预测及养护的全过程提出了新的更高要求。目前的高速公路路面使用性能评价模型存在过于主观、绝对化等问题,路面性能衰变预测则存在误差较大、部分有用信息被摒弃等问题,本文主要研究内容就是在现有数据基础上,利用组合的思想建立更加客观、全面的路面性能综合评价模型及路面性能衰变预测模型,以对高速公路路面养护管理部门提供更加准确的养护决策依据。首先,本文介绍了目前我国高速公路路面结构类型和不同路面结构的损害类型并对其成因进行了分析,同时对比分析了不同规范的高速公路路面性能单项评价指标的评价方法和评价标准。其次,提出建立高速公路路面性能综合模糊评价模型,根据模糊评价模型隶属度函数的特点选择岭形分布隶属度函数及梯形分布隶属度函数作为高速公路路面性能模糊综合评价的隶属度函数,并建立了单项性能评价指标的模糊评价模型。为提高模型评价的可靠性,采用均方差赋权法建立组合隶属度函数模糊综合评价模型。从算例中可以看出,组合隶属度函数模糊综合评价模型可以有效减小路面性能综合评价的波动,使综合评价结果更加稳定,解决了隶属度相近时评价结果绝对化的问题。其中,综合模糊评价模型中路面性能单项评价指标权重采用G1法确定,该方法可以满足养护部门对于养护路段不同养护重点的需求,是一种较好的单项评价指标权重确定方法。最后,采用两种不同组合方式建立基于组合原理的高速公路路面性能衰变组合预测模型,单项预测模型分别采用BP神经网络和指数平滑法。在论述了路面性能影响因素、现行的路面性能预测模型及组合预测相关理论基础后,以降低路面性能预测误差为目的,首先选取路龄及交通量作为影响因素建立BP神经网络单项预测模型,其次将指数平滑法中的平滑值视为包含受气候影响因素的体现进行单项预测,再建立基于熵权法及广义平均组合法的组合预测模型,并编制了BP神经网络单项预测模型与广义平均组合预测模型及其最小误差时参数P求解的MATLAB程序。通过实例验证分析,组合预测方法可以有效降低路面性能预测误差,其中,通过求解最小误差时模型参数p得到的广义平均组合法的预测误差更小,是一种较优的组合预测方法。