[发明专利]一种基于学习模型的公路养护决策分析方法

说明书

本申请公开了一种基于学习模型的公路养护决策分析方法，包括以下步骤：1.根据原始数据种类创建相应的影响因子，并由历年各路段原始数据和养护方法建立样本池；2.对样本池数据进行归一化处理，得到所有样本数据的归一化结果集合X_n；3.对行业内已有的养护进行序列化，得到每种养护方法代表值Y_n；4.建立基于样本数据的学习模型；5.获取需要养护决策的数据X_p，进行计算并获得本次计算的养护方法代表值集合Y_q；6.对Y_q进行反归一化并进行四舍五入取整，获得养护方法的对应编号值Y_q’，输出最优决策养护方法Y_q’。该方法建立了根据样本数据自学习的模型，整个养护决策过程不依赖人的知识经验。

技术领域

本发明属于公路养护技术领域，具体涉及一种基于学习模型的公路养护决策分析方法。

背景技术

公路养护决策是依据公路现有评价数据，结合客户预期目标和实际资金限制智能制定广泛区域的公路养护维护方案集。在制定的过程中需要考虑路网的未来指标变化。

当今国内外主流的养护决策分析方法是采用养护决策分析树的方法，其通过公路养护行业专家依据个人经验和实际情况制定不同的养护决策分析树，不同决策树种选取不同的决策因子，并作为决策树的输入节点，同时建立从决策因子出发到最终养护方案节点的各种可能路径。当养护决策分析时，该方法根据真实数据遍历决策树获取最终结果。

此方法中决策树建立方法除了通过专家经验人工建立的方式，还可以通过一些国家或地方标准要求进行人工构建。

而随着此方法在养护工程实践过程中陆续出现以下问题：

1.该方法会出现区域局限性，构建的决策树往往仅适用于某个小区域内的部分公路，无法广泛适用于大区域的普适性应用。

2.决策树的准确性完全解决于人员的经验或行业规定的适配性，其是一种根据经验归纳出的固化处理流程；其缺少成长性，该方法的精确度和准确性在建立模型的时候就已经达到极致；随着时间、环境或公路本身的变化，其适用性和准确度都会逐渐下降。

3.该方法对所应用的数据量级数有定义的要求，当数据量级数增大时，其精准度会逐渐下降。

4.影响决策的因子无法根据实际情况进行动态增减，如此造成该方法对数据完整性要求极大，数据种类必须和决策因子完全匹配。

发明内容

本发明针对现有技术的不足，为了解决上述技术问题，提供了一种基于学习模型的公路养护决策分析方法。

本发明提供的方案如下：

一种基于学习模型的公路养护决策分析方法，包括以下步骤，

S1.根据原始数据种类创建相应的影响因子，并由历年各路段原始数据和养护方法建立样本池；

S2.对样本池数据进行归一化处理，得到所有样本数据的归一化结果集合X_n；

S3.对行业内已有的养护进行序列化，得到每种养护方法代表值Y_n；

S4.建立基于样本数据的学习模型；

S5获取需要养护决策的数据X_p，进行计算并获得本次计算的养护方法代表值集合Y_q；

S6.对Y_q进行反归一化并进行四舍五入取整，获得Y_q’，即为养护方法的对应编号值，输出最优决策养护方法Y_q’。