基于GRNN监督学习的混凝土路面开裂破损率预测

随着我国道路建设的发展和对道路质量要求的提高,有关路面力学的科学研究日益增加,如果能对路面力学性能进行预测,则可以提前对存在损伤的道路进行维护,这将大大提高了驾驶人员的行车安全。混凝土路面的开裂破损率可反映路面的力学性能状态以及路面的内部受力情况。本文使用监督学习中GRNN神经网络算法对混凝土道路开裂破损率进行预测,侧面可以反映混凝土路面的内部受力情况、影响度和使用寿命。同时,应用BPNN对GRNN的预测数据进行对比分析,以此验证GRNN对路面开裂破损率的预测性能。通过对预测结果分析可知:GRNN的预测能力相比BPNN精度更高且适应性、合理性和稳定性更强,可对实际路面受力研究、道路实际使用效益、路面维修周期和费用、工程效益等产生指导性的意义。