基于APRIORI-GBDT算法的瀝青路面路表溫度預測
摘要：為探討瀝青路面路表溫度與氣象因素之間的相關關系,實現路表溫度變化趨勢的準確預測,在使用Python平臺清洗數據集中缺失和錯誤數據的基礎上,利用關聯規則挖掘算法(Apriori)分析了氣象因素與路表溫度之間的關聯性。在識別出影響路表溫度關鍵氣象因素后,分別采用梯度提升樹(Gradient Boosting Decision Tree,GBDT)、隨機森林(Random Forest,RF)以及線性回歸(Linear Regression,LR)等3種分析技術構建了以關鍵氣象因素為輸入量,路表溫度為輸出量的冬季瀝青路面路表溫度預測模型。結果表明:Apriori算法在關聯規則分析上表現優異,且在最小支持度為0.003,最小置信度為0.8的條件下,識別出影響瀝青路面路表溫度變化的關鍵氣象因素是氣溫、氣壓、露點溫度和相對濕度;梯度提升樹模型的溫度預測效果優于隨機森林和線性回歸,均方誤差小并一直穩定于1.5,與隨機森林相比魯棒性相對較高,擁有良好的泛化能力,在預測領域中具有良好的適用性。研究成果為機器學習相關算法在關聯規則分析領域以及預測問題應用中提供了理論與實踐依據。
注: 保護知識產權,如需閱讀全文請聯系公路交通科技雜志社
相關推薦
更多
