| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 路面使用性能预测模型研究现状 | 第11-13页 |
| 1.2.2 平整度预测模型研究现状 | 第13-15页 |
| 1.3 论文研究意义和研究内容 | 第15-19页 |
| 1.3.1 存在问题和研究意义 | 第15-16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.3.3 章节安排 | 第17-19页 |
| 第二章 路面平整度及影响因素数据的获取与分析 | 第19-32页 |
| 2.1 LTPP数据库分析 | 第19-21页 |
| 2.1.1 LTPP数据库 | 第19页 |
| 2.1.2 平整度变化量预测相关数据 | 第19-21页 |
| 2.2 路面行驶质量的评价指标和标准 | 第21-22页 |
| 2.3 沥青路面平整度影响因素机理分析 | 第22-31页 |
| 2.3.1 路面病害 | 第23-27页 |
| 2.3.2 交通荷载 | 第27-28页 |
| 2.3.3 环境影响 | 第28-30页 |
| 2.3.4 路面结构 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 沥青路面平整度影响因素分析 | 第32-47页 |
| 3.1 平整度变化量预处理 | 第32-33页 |
| 3.2 平整度变化量影响因素预处理 | 第33-35页 |
| 3.2.1 气候数据预处理 | 第33页 |
| 3.2.2 交通荷载数据预处理 | 第33-34页 |
| 3.2.3 路面病害数据预处理 | 第34-35页 |
| 3.2.4 路面结构数据预处理 | 第35页 |
| 3.3 沥青路面平整度影响因素关系挖掘与因子分析 | 第35-41页 |
| 3.3.1 因子影响因素分析原理 | 第35-36页 |
| 3.3.2 因子影响因素分析过程 | 第36-37页 |
| 3.3.3 因子影响因素结果分析 | 第37-41页 |
| 3.4 平整度变化量与影响因素相关性分析 | 第41-46页 |
| 3.4.1 平整度与影响因素相关性分析方法选择 | 第41-42页 |
| 3.4.2 平整度与影响因素相关性分析原理 | 第42-43页 |
| 3.4.3 平整度与影响因素相关性结果分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于logistic和混合效应模型的沥青路面平整度预测 | 第47-58页 |
| 4.1 logistic回归的沥青路面平整度预测模型 | 第47-53页 |
| 4.1.1 logistic回归模型 | 第47-50页 |
| 4.1.2 logistic回归模型评价与统计检验 | 第50-52页 |
| 4.1.3 logistic模型确立与结果分析 | 第52-53页 |
| 4.2 混合效应模型的沥青路面平整度预测模型 | 第53-57页 |
| 4.2.1 非线性混合效应模型 | 第53-54页 |
| 4.2.2 非线性混合效应模型参数估计与分析 | 第54-55页 |
| 4.2.3 非线性混合效应模型的结果分析 | 第55-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 基于B-P神经网络的沥青路面平整度预测 | 第58-72页 |
| 5.1 神经网络模型原理 | 第58-59页 |
| 5.2 B-P神经网络模型 | 第59-63页 |
| 5.2.1 B-P网络的结构 | 第59页 |
| 5.2.2 B-P网络算法 | 第59-63页 |
| 5.3 构建平整度的B-P神经网络模型 | 第63-70页 |
| 5.3.1 输入输出数据预处理 | 第64页 |
| 5.3.2 输入与输出变量确定 | 第64-65页 |
| 5.3.3 评估模型性能指标 | 第65页 |
| 5.3.4 B-P神经网络的结构设计 | 第65-66页 |
| 5.3.5 B-P神经网络模型的结果分析 | 第66-70页 |
| 5.4 平整度预测模型结果对比分析 | 第70-71页 |
| 5.5 本章小结 | 第71-72页 |
| 总结与展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |
