高速公路雾天能见度预测方法
龙科军1
李超群1
毛学军2
胡玉婷3
1.长沙理工大学交通运输工程学院,湖南长沙,4100042.江西公路开发总公司,江西南昌,3300003.江西省交通工程集团有限公司,江西南昌,330000
摘要：以多要素气象检测器采集的样本数据为基础,将温度、风速及湿度作为输入变量以及雾天能见度作为输出变量,分别采用三层结构BP神经网络和支持向量机非线性回归预测方法,建立雾天能见度的预测模型;将预测结果与实际数据进行对比分析的结果表明:BP神经网络和支持向量机均能较好地预测雾天能见度,其中BP神经网络和支持向量机模型预测值与实际值的相关性分别为0.895和0.978.支持向量机预测结果的误差更稳定,因而更适于处理非线性小样数据.
关键词：高速公路雾天能见度BP神经网络支持向量机
分类号：U491(交通工程与公路运输技术管理)
资助基金：长沙理工大学研究生科研创新项目(2013C0008)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 31-37 )
英文信息