尚保玉 郭顺生 郭 钧

（武汉理工大学机电工程学院 武汉 430070）

基于粗糙集和RBF神经网络的高速公路路面使用性能评价方法，就是把粗糙集理论和RBF神经网络相结合，并在高速公路路面使用性能评价中的综合应用，旨在提高对路面使用性能评价的精度和效率.该方法继承了粗糙集理论和RBF神经网络各自的特点，形成优缺点互补，使两者的优势得到充分发挥.不仅具有粗糙集理论的约简特性，而且兼备了RBF神经网络逼近能力强、学习速度快等优点.通过实证分析，结果表明该方法具有很高的评价精度，较大程度的提高了运算能力和收敛速度，使决策者能够快速的、准确的给出实时的养护决策，具有很高的使用价值［1］.

1 基于粗糙集和RBF神经网络的高速公路路面使用性能评价模型

1.1 路面使用性能评价模型的体系结构

笔者提出的引入粗糙集理论的路面使用性能评价模型见图1.在保留人工神经网络自学习、自组织特性的基础上，利用粗糙集理论对数据进行优化处理［2］，提取其中关键要素作为网络的输入，从而简化了神经网络的结构，提高了分类精度.

图1 基于粗糙集神经网络的路面使用性能评价模型流程图

1.2 模型框架及其步骤

在保证具有良好的分类质量和精度的前提下，对神经网络模型的输入数据进行属性约简.基于粗糙集和RBF神经网络的使用性能评价模型的流程图见图2.具体步骤如下.

步骤1样本采集 从高速公路路面管理处数……