典型文献
基于机器学习的路表温度预估方法研究
文献摘要：
依托实测路表温度与气象数据,基于路面温度场热平衡方程,分析影响路表温度的主要因素;选取历史路表温度与气象参数作为特征,通过LightGBM(轻量级梯度提升机)对中短时间尺度内的路表温度进行预估.结果表明,水泥、沥青2种路面短期(1 h)预估结果均方根误差分别为0.82,1.12℃,中短期(3h)分别为1.31,1.86℃;允许误差在3℃内时,准确率在90％ 以上;水泥路面预估精度高于沥青路面,高温状况下预估精度稍低.采用LightGBM模型对路面温度预估的效果较好.
文献关键词：
路面温度场;机器学习;LightGBM;温度预估
中图分类号：
作者姓名：
杨书杰;彭嫣
作者机构：
同济大学道路与交通工程教育部重点实验室 上海 201804
文献出处：
引用格式：
[1]杨书杰;彭嫣-.基于机器学习的路表温度预估方法研究)[J].交通科技,2022(02):5-8
A类：
B类：
基于机器学习,温度预估,预估方法,气象数据,路面温度场,热平衡方程,气象参数,LightGBM,轻量级梯度提升机,短时间尺度,中短期,3h,水泥路面,沥青路面,稍低
AB值：
0.270952
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
