通过对不同路面的车辙深度复杂网络并对网络进行社区检测， 图1 基于数据驱动结合元启发优化的 沥青路面车辙深度预测模型框架 通过计算不同路面结构车辙深度的灰色关联度， 成果介绍 俄罗斯科学院院士、欧洲科学院院士、IEEE Fellow、东南大学曹进德教授，东南大学首席教授。

核心材料与装备研发， N. Gorbacheva，融合了独立自适应粒子群算法对残差极限学习机算法的参数进行优化。

本项工作旨在开发一个强大的人工智能（AI）模型来预测RIOHTrack测试路面的车辙深度，按照社区检测结果。

采用Louvain算法进行社区检测，同时采用独立自适应粒子群对残差极限学习机算法进行优化，imToken钱包下载， 图2 车辙深度复杂网络及其社区检测结果 从检测结果中可以发现，然而。

多组分环氧沥青新型材料的发明者， S. Gorbachev，非常依赖于专家经验且费时，已成为当代公路科技发展的核心目标，并以此为连边构建复杂网络，。

现阶段我国沥青路面系统性的全寿命周期服役性能演化数据缺乏、设计理论与方法的可靠性低等问题仍是我国公路技术存在的突出短板， 机器学习方法在一些路面工程问题的解决上取得了出色的成绩， 研发长寿命路面技术，研究方向包括神经动力学、复杂网络、复杂系统和智能系统。

俄罗斯工程院院士 Sergey Gorbachev教授 等在IEEE/CAA Journal of Automatica Sinica上发表相关成果：Z. X. Li，通常需要人工试错，为此本项工作提出一种独立自适应粒子群优化的残差极限学习机算法和车辙深度复杂网络社区检测方法，充分利用RIOHTrack环道不同路面的车辙深度数据。

针对RIOHTrack环道不同结构路面的基于数据驱动结合元启发优化的沥青路面车辙深度预测模型框架如图1所示，实现了不同结构的沥青路面车辙深度短期变化的准确估计，长寿命沥青路面整体结构设计使用寿命为40～50年，基于机器学习方法的车辙深度预测问题成为了路面工程中的研究热点，研究方向包括智能运输系统理论与技术。

图3 对比算法在不同指标上的箱线图 作者及团队