公开(公告)号：CN114881359A

公开(公告)日：2022-08-09

申请号：CN202210625570.4

申请日：2022-06-02

Applicant: 招商局重庆交通科研设计院有限公司

Inventor： 徐周聪 ,  骆志元 ,  王慧

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/08 ,  G06N5/00 ,  G06N20/00 ,  G06K9/62

Abstract: 本发明涉及一种融合GBDT和XGBoost的路面IRI预测方法，属于路面监测技术领域。该方法包括：S1：获取路面特征数据，并采用随机森林算法选择特征数据集；S2：构建Stacking融合模型：将步骤S1的特征数据集划分成若干子数据集，输入第一层预测模型的各个基学习器中，每个基学习器输出各自的预测结果；然后，将第一层的模型输出与步骤S1的特征数据集作为第二层的输入，对第二层预测模型的元学习器进行训练，再对位于第二层的模型输出求平均值，得到最终预测结果；其中，第一层预测模型包括GBDT模型和XGBoost模型。本发明提高了路面IRI预测精度，大大提高养护资金规划效益，实现成本效益最优得目标。

公开(公告)号：CN114881359B

公开(公告)日：2024-05-14

申请号：CN202210625570.4

申请日：2022-06-02

Applicant: 招商局重庆交通科研设计院有限公司

Inventor： 徐周聪 ,  骆志元 ,  王慧

IPC: G06Q10/04 ,  G06Q10/063 ,  G06Q50/08 ,  G06Q10/20 ,  G06N5/01 ,  G06N20/00

Abstract: 本发明涉及一种融合GBDT和XGBoost的路面IRI预测方法，属于路面监测技术领域。该方法包括：S1：获取路面特征数据，并采用随机森林算法选择特征数据集；S2：构建Stacking融合模型：将步骤S1的特征数据集划分成若干子数据集，输入第一层预测模型的各个基学习器中，每个基学习器输出各自的预测结果；然后，将第一层的模型输出与步骤S1的特征数据集作为第二层的输入，对第二层预测模型的元学习器进行训练，再对位于第二层的模型输出求平均值，得到最终预测结果；其中，第一层预测模型包括GBDT模型和XGBoost模型。本发明提高了路面IRI预测精度，大大提高养护资金规划效益，实现成本效益最优得目标。