摘要
本发明公开了一种基于改进概率神经网络的公路路基病害检测方法及系统,属于机器学习在公路巡检养护上的应用,根据公路路基的历史病害数据构建训练集和测试集;构建概率神经网络,所述概率神经网络模型输入层、模式层、求和层和输出层,选择蝗虫优化算法GOA优化概率神经网络的平滑因子;将训练集和测试集输入优化后的概率神经网络进行训练,实际预测使用待测公路路基监测指标输入训练后的概率神经网络,输出获得公路路基病害类型的预测。本发明采用蝗虫优化算法优化的概率神经网络对高速公路路基监测指标状况进行全面且有效的评估,具备更高效率和分析准确性,分类能力强、参数设置少、容错性高。
技术关键词
公路路基病害
蝗虫
优化概率神经网络
路基含水率
指标
监测模块
样本
传感设备
错误率
单点沉降计
位置更新
输入输出关系
数据
路基冻胀
标准化方法
应力传感器
因子
应变传感器
系统为您推荐了相关专利信息
大语言模型
意图类别
电子讲解装置
实体
讲解设备
缺陷视觉检测方法
工业机器视觉检测技术
模具
信息熵
图像采集设备
喷墨控制方法
三次样条插值算法
移动机械臂
喷墨装置
语义
风险预测方法
风险评估模型
神经网络架构
周期
大语言模型