中国安全科学学报

作者：戴秉佑, 杨文臣, 戢晓峰, 周林义, 房锐

单位：1 昆明理工大学 交通工程学院,云南 昆明 650500；2 云南省交通规划设计研究院有限公司 陆地交通气象灾害防治技术国家工程实验室,云南 昆明 650200；3 云南数字交通重点实验室,云南 昆明 650103；4 中国气象局交通气象重点实验室,江苏 南京 210008

关键词：高速公路,路表温度,长短时记忆(LSTM)神经网络,逐时预测,气象因素

基金：国家重点研发计划项目(2022YFC3002601); 交通运输行业重点科技项目(2018-MS4-102); 交通运输行业重点科技项目(ZL-2018-04); 云南省科技厅基础研究计划项目(202101AT070693)

为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明:与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。

来源：2023年第1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第1期