مدل ترکیبی ماشین بردار پشتیبان حداقل مربعات و بهینهسازی ازدحام ذرات برای پیشبینی شاخص بینالمللی ناهمواری روسازی

Abstract

پیش بینی عملکرد روسازی برای مدیریت مؤثر زیرساختهای جادهای بسیار مهم است. زیرا به شناسایی و اولویت بندی فعالیتهای نگهداری و نوسازی کمک می کند. اتخاذ تصمیمات آگاهانه و مناسب در خصوص تعمیر، بهسازی و بازسازی روسازی جادهها و بزرگراهها مستلزم برآورد دقیق کیفیت خدمت دهی و عملکرد روسازی در طی سالیان بهره برداری است. شاخص بین المللی ناهمواری(IRI )به عنوان یک شاخص کارآمد برای ارزیابی و تحلیل ناهمواریهای سطح روسازی استفاده میشود. در این مقاله، مدل ترکیبی ماشین بردار پشتیبان حداقل مربعات(LS-SVM ) و بهینه سازی ازدحام ذرات( PSO)توسعه داده شده است. در این مدل پیشنهادی، مقادیر بهینه پارامترهای تنظیم کننده LS-SVM توسط PSO تعیین میشود. همچنین تکنیک اعتبارسنجی متقاطع k-fold برای جلوگیری از بیش برازش LS-SVM در مرحله آموزش استفاده شده است. دو پایگاه داده آزمایشگاهی برنامه عملکرد بلندمدت روسازی LTPP برای سنجش کارایی مدل ترکیبی پیشنهادی جهت پیشبینی IRI در نظر گرفته شده است. ارزیابی دقت مدل ترکیبی LS-SVM و PSO براساس معیار ضریب تعیین همبستگی برای دو پایگاه داده برابر994/. و 997/00میباشد. در نهایت، مقایسه عملکرد مدل ترکیبی با دیگر روشهای یادگیری ماشین نشان میدهد که مدل ترکیبی LS-SVM و PSO از دقت بالایی برخوردار می باشد.