[发明专利]一种低温路面的裂缝预测方法

说明书

本发明公开了一种低温路面的裂缝预测方法，首先在长期路面性能数据库中选择原始数据，然后对数据中的影响因素进行相关性分析，选择变量相关度的度量标准；在变量分离之后，选择主要成分作为预测因素，在相关性分析之后，数据集分成两个子集，训练数据集用于训练构建的网络以获得基于MMCC的ELM低温路面裂缝预测模型，测试数据集将用于基于MMCC的ELM低温路面裂缝预测模型测试和比较分析，对低温路面裂解数据进行预测，并选择传统的机器学习方法与所构建的基于MMCC的ELM低温路面裂缝预测模型进行比较，同时分析低严重性，中度严重性和高严重性长期路面性能数据库的长度和数量。从而在引起更严重的恶化之前考虑保护性维护，极大地减少路面养护成本。

技术领域

本发明属于道路工程技术领域的信息处理，具体涉及一种低温路面的裂缝预测方法。

背景技术

在温度低于附近平均温度的地区，低温裂解(LTC)或热裂已经成为一种突出的路面破坏类型，特别经常发生在冻融循环地区。更具体地说，LTC的发生主要是由于路面性能恶化的积累，这通常表现为路面上的开裂。最广泛的裂缝之一是横向裂缝，其可导致更严重的现象，例如坑洼，冻胀，甚至永久性路面结构变形。

来自机构和行业的一些研究已经确定了LTC形成背后的关键机制，特别是热混沥青(HMA)的分析。在文献中，已经发现影响LTC形成和传播的因素主要包括沥青混凝土混合物，沥青结合料的特性，环境条件等。

以往的路面裂缝预测，主要是针对普通路面，这些预测方法应用到低温路面的场景时，没有考虑天气因素以及低温路面的特性对路面性能的影响，因此准确率较低。

发明内容

针对上述现有技术中的存在的缺陷或不足，本发明的目的在于，提供一种低温路面裂缝预测方法。

为了实现上述任务，本发明所采用如下的技术解决方案：

一种低温路面的裂缝预测方法，其特征在于，具体步骤如下：

步骤一，在长期路面性能数据库中选择原始数据，然后对数据中的影响因素进行相关性分析，选择变量相关度的度量标准；在变量分离之后，选择主要成分作为预测因素；

步骤二，在相关性分析之后，数据集被分成两个子集，即训练数据集和测试数据集，其中，训练数据集用于训练构建的网络以获得基于MMCC的ELM低温路面裂缝预测模型，测试数据集将用于基于MMCC的ELM低温路面裂缝预测模型测试和比较分析；

步骤三，使用所构建的基于MMCC的ELM低温路面裂缝预测模型，对低温路面裂解数据进行预测，并选择传统的机器学习方法SVM、DT和BPNN用于与所构建的基于MMCC的ELM低温路面裂缝预测模型进行比较，同时分析低严重性，中度严重性和高严重性长期路面性能数据库的长度和数量。

本发明的低温路面裂缝预测方法，与现有技术相比，带来的技术贡献在于：

1)依据EMM-MMCC，解决了现有路面裂缝预测方法在低温路面情况下预测准确率低以及没有考虑低温路面特性和天气因素的技术问题，

2)在气候影响分析的情况下，大量的相关因素影响使LTC的预测成为一项复杂的任务，对这些相关因素进行相关性分析以进行数据预处理，获得具有较少的主要相关信息以供进一步分析。

3)极端天气条件会导致严重且复杂的LTC，这使得它与以往的路面裂缝预测不同；

4)该方法是基于气候影响进行数据预测LTC长度和数量的有效方法，与传统的SVM、DT、BPNN方法相比，具有最佳的预测性能；

5)可以获得LTC发生原理和开发机制，从而可以提供综合的路面管理建议。

附图说明

图1是本发明的低温路面裂缝预测方法的流程图；