俞竞伟，傅 睿，李雄威，王新军

（1.东南大学建筑学院，南京 210096；2.常州工学院土木建筑工程学院，江苏　　常州 213002）

基于混合神经网络（GANN）的沥青路面使用性能预测模型

俞竞伟1，2，傅 睿2，李雄威2，王新军2

（1.东南大学建筑学院，南京 210096；2.常州工学院土木建筑工程学院，江苏常州 213002）

针对GM模型要求的样本点少、不必有较好的分布规律，且计算量少、操作简便，而BP神经网络可以反馈校正输出的误差，具有并行计算、分布式信息存储、强容错力、自适应学习功能等特点，将GM（1，1）模型与BP神经网络模型相结合，建立了混合神经网络预测模型，并结合实例进行了检验性预测。结果表明：混合神经网络模型在预测精度方面优于传统灰色模型。该模型的算法概念明确、计算简便，有较高的拟合和预测精度，具有良好的应用前景。

沥青路面；使用性能；GM模型；人工神经网络；混合神经网络模型

路面使用性能预测模型是路面管理系统（PMS）的核心，同时也是高速公路沥青路面LCCA分析方法的重要组成部分［1］。近年来，灰色理论在路面使用性能预测中得到了广泛的应用［2-4］。灰色模型具有建模要求样本点少、可以通过离散数据建立微分方程、具有较强适应性的优点，但其本身缺乏自学习、自组织和自适应能力，处理信息的能力较弱；灰色模型建模时，确定性信息使用很少；没有解决误差的反馈调整问题且计算复杂；计算误差较大，而且不可控等缺点。而神经网络技术［5-6］的信息处理能力强，可以校正输出误差反馈，具有较强的自学习、自组织和自适应能力，可以有效弥补灰色模型的缺点。……