摘要：以往工程师进行大数据分析以及建立预测模型时,多采用传统的纯经验法则进行预测模型之构建,在其建构预测模型之过程中,容易造成数据库过大、模型建立时间过长以及适用性不良等等问题.本研究将以大数据的数据分析理念为出发点,建立一新的“力学-经验预测模型”建构流程进行一系列的分析,并且将其与传统预测模型建构方法相比较.研究中先以Burmister理论解为依据,利用BISAR铺面分析程序进行各种不同铺面状况之最大弯沉值分析,接着再以统计方法为出发点,针对资料进行前处理以及分析,最后采用类神经网络进行预测模型之构建,以经由处理分析之数据与原始之数据所建构之预测模型,根据其精度、时间效益等等进行讨论,并且在研究中亦引入新的统计回归方法-小区域回归(Local Regression)利用同一数据库进行预测模型构建,并与类神经网络相比较,根据研究中所得之结果,提出结论与建议.
