基于交叉熵神经网络的沥青路面抗滑性能预测

摘要

针对传统沥青路面抗滑性能预测模型的不足及BP神经网络学习效率低的问题,文章采用交叉熵代价函数对神经网络的学习方法进行改进,建立基于交叉熵神经网络的沥青路面抗滑性能预测模型。同时,以某高速公路2014—2020年路面抗滑指标SRI为预测目标,以路面使用年限、年平均交通量、气温、降雨量以及日照时长为考虑因素,建立预测模型,并利用Matlab软件构建模型的网络拓扑结构及网络训练,对路面抗滑性能进行预测。结果表明:相同预测精度下,交叉熵神经网络模型较一般的均方差神经网络模型收敛速度更快;相同训练次数下,交叉熵神经网络模型较一般的均方差神经网络模型预测精度更高,更适用于路面抗滑性能的预测。