利用随机森林算法建立沥青路面车辙预测模型
作者:许有成; 杜亚冰
更新时间:
RFR(随机森林回归)是一座非常经典的机器学习算法,可用于建立路面车辙破坏模型,以提高其预测精度,并与传统的线性回归模型进行比较。该模型基于Python编程语言环境中sikit学习扩展包中的随机森林模块构建。培训模型数据来自NCR·HP(Aristole HP,国家公路合作研究计划)01-37A项目和LTPP记录(records of LTPP,长期路面性能)网站生成的两份报告。结果表明,RFR模式明显优于线性回归模型模式。在测试集中,测量值和预测值之间的相关系数R~2从0.392增加到0.875,标准差Se从3.23mm减少到1.41mm。因此,RFR模型可以更准确地预测沥青路面车辙。