基于护栏性能指标的集成式人工智能模型研究

目前公路护栏缺少系统的高效设计方法,其主要问题在于缺少一个具有明显优势的高精度预测模型。公路安全护栏的结构尺寸参数与其防护指标之间具有高度的非线性关系,而人工智能模型被广泛应用于在非线性问题的处理上。本文中将使用现有研究中的数据集来对5种常用的单个模型进行训练,并将其中具有较高性能的模型用于集成模型的构建。结果显示,RBFNN+BPNN+Genlin模型较单个模型和参考文献中所用模型具有更高的准确性,各项模型评价指标值优化了24%~58.9%。本研究验证了集成模型在护栏性能预测方面具有更好的性能,且为护栏优化设计提供了一种更具优势的预测模型。