文档介绍：第卷第期
年月中外公路
文章编号:——
基于神经网络的沥青混合料低温性能预测模型
谭忆秋,公维强。周纯秀,宋宪辉
哈尔滨工业大学,黑龙江哈尔滨
摘要:该文应用灰熵关联度法从沥青性质和级配两个方面分析了沥青混合料低温性
能的主要影响因素,建立了沥青混合料低温性能神经网络预测模型。通过组试验数
据对模型进行了学习训练,并用另外组试验数据对模型进行了检验。检验结果表明:预测
模型可信,精度能满足要求,可用于沥青混合料低温性能预测。
关键词:低温性能;神经网络;沥青混合料;预测模型;灰熵关联度分析
人工神经网络具有较高的非线性拟合和建模能力,能
引言较准确地刻画输出变量与输入变量之间的非线性关
系。为此,本文采用人工神经元网络技术进行沥
沥青混合料的低温抗裂性能一直是困扰各国交通青混合料低温性能的预测研究,为沥青混合料设计和
部门的难题之一,正确预测沥青混合料低温性能,对于生产提供支持。
指导沥青混合料设计和生产具有重要意义。国内外现影响沥青混合料极限弯拉应变的因素较多,且比
有的沥青路面低温开裂模型可分为经验型和力学型两较复杂。沥青的性能、混合料的级配等均对极限弯拉
种。经验模型中有和模型,此类模型应变有影响,为此,
的特点是易于使用,但是局限于当地的条件无法大面具箱为平台,应用灰熵关联度法从沥青性质和级配两
积推广。在力学模型中,和方法以弹性理个方面分析了沥青混合料低温性能的主要影响因素,
论为基础,预测的是开裂温度;的一模型采用早期停止法来防止网络发生过度拟合并提高网络
则主要应用线弹性断裂力学预测低温开裂的推广能力,建立了低温小梁极限弯拉应变的预测模
量,这些方法忽视了沥青混合料在低温下是粘弹性材型。从而对沥青混合料的低温性能进行预估。
料。长安大学以低温弯曲试验为基础,假定路面为降
温状况,得出了沥青混合料破坏能的函数关系,提出了神经网络预测模型的建立及应用
以能量为判据的沥青路面低温开裂预估方法。
鉴于上述各种方法的局限性和复杂性,并考虑对. 网络样本集的确定
我国的适用性,本文选用《公路工程沥青路面施工技术本文采用早期停止方法来防止神经网络发生过度
规范》—采用的低温弯曲极限弯拉应拟合现象。将样本数据分为三部分:训练集,用于计算
变作为沥青混合料低温性能的评价指标来预测沥青混梯度并修正权与阈值;确认集,用于监控训练误差;测
合料的低温性能。由于小梁弯曲试验的重复量和计算试集,用于比较不同结构的网络。
量较大,致使试验周期较长,同时也造成了人力、物力当网络出现过度拟合现象,确认集的误差增大,网
和财力的浪费。同时,小梁极限弯拉应变与其影响因络即停止训练。为了合理地从训练样本中分离出确认
素之间存在着复杂的非线性关系。对于这类问题, 集,笔者设计了一个随机的程序,将样本集分为三部
收稿日期:—修改稿
基金项目:中国高校博士点专项科研基金编号:
作者简介:谭忆秋,女,博士后,教授,博士生导师.~:..
中外公路卷
分:其中训练集样本组,确认集样本组,测试集矿料级配考虑了贝雷法三参数比、比、,比
样本组。的影响。
. 网络输入和输出指标的确定每个影响因素的灰熵关联度如表所示。各影响
低温小梁极