基于交叉熵神經網絡的瀝青路面抗滑性能預測

袁野真　王燦升　彩雷洲

摘要：針對傳統瀝青路面抗滑性能預測模型的不足及BP神經網絡學習效率低的問題，文章采用交叉熵代價函數對神經網絡的學習方法進行改進，建立基于交叉熵神經網絡的瀝青路面抗滑性能預測模型。同時，以某高速公路2014—2020年路面抗滑指標SRI為預測目標，以路面使用年限、年平均交通量、氣溫、降雨量以及日照時長為考慮因素，建立預測模型，并利用Matlab軟件構建模型的網絡拓撲結構及網絡訓練，對路面抗滑性能進行預測。結果表明：相同預測精度下，交叉熵神經網絡模型較一般的均方差神經網絡模型收斂速度更快;相同訓練次數下，交叉熵神經網絡模型較一般的均方差神經網絡模型預測精度更高，更適用于路面抗滑性能的預測。

關鍵詞：瀝青路面;抗滑性能;預測模型;BP神經網絡;交叉熵

中圖分類號： U416.1????? 文獻標志碼： A

0引言

路面抗滑性能是影響道路行車安全的重要因素之一，也是新建道路竣工驗收及營運道路養護檢測的一項重要指標[1-3]。路面在使用過程中，受材料自身限制、交通荷載作用以及環境因素的影響，路表面的微觀結構逐漸磨光，宏觀構造深度逐漸降低[4-7]，路面抗滑性能不斷衰減，嚴重影響行車安全。為準確把握路面抗滑修復時機及制定經濟、合理的養護方案，保障路面的行車的安全性及舒適性，需對路面抗滑性能進行科學預測。

傳統的路面抗滑性能預測模型大致可分為確定型、概率型及組合預……