瀝青混合料凍融循環條件下耐久性及其神經網絡預測分析

陳天寶

摘要：文章在分析瀝青混合料凍融循環條件下耐久性的判定指標及其相關影響因素的基礎上，采用遺傳算法對神經網絡模型進行優化，建立瀝青混合料在凍融循環條件下耐久性的影響因素和主要判定指標之間的3層神經網絡非線性預測模型，得出空隙率和劈裂抗拉強度最大相對誤差為4.1%，可以初步預測瀝青混合料凍融循環條件下的耐久性。

關鍵詞：瀝青混合料;凍融循環耐久性;遺傳算法;神經網絡預測

中圖分類號：U416.217A020063

0 引言

瀝青混凝土路面凍融循環破壞是引發我國晝夜溫差較大的積雪區域的道路主要病害的形式之一。由于溫度在較短周期內的劇烈變化，在白天溫度較高時積雪融化來不及排出，水分侵入瀝青混合料內部空隙，在夜晚溫度較低時水分凍結，在積水的凍脹作用下，混合料內部空隙率增大，在反復凍融循環作用下瀝青混合料強度降低，大面積出現掉粒、松散進而發展成瀝青路面的坑槽等現象，降低瀝青混凝土路面的耐久性。目前研究的凍融循環次數有限，多次凍融循環的試驗成本太高，缺乏有效的多凍融循環次數下瀝青混合料耐久性的預測手段。

1 凍融循環條件下瀝青混合料耐久性影響因素

在凍融循環條件下，瀝青混合料的直接表現是空隙率增大，瀝青與集料間的粘結力下降從而使混合料的劈裂抗拉強度下降。因此選擇凍融循環后混合料的空隙率和劈裂抗拉強度為耐久性的判定指標。

影響混合料空隙率和劈裂抗拉強度的因素較多，主要取決于瀝青、礦料、瀝青與礦料之間相互作用的性質等。瀝青的影響主要體現在酸性和黏度方面，通常瀝青的黏度和酸性越大，與集料的粘結性就越好。集料的影響主要體現在堿性、棱角性和潔凈程度方面。集料的棱角性和潔凈程度易受施工影響且難以量化，本文僅考慮堿性的影響。所以，瀝青混合料凍融循環條件下耐久性的影響因素在本文中主要體現為瀝青60 ℃動力黏度、集料堿性、混合料的油石比、空隙率、飽和度以及凍融循環次數。

2 預測模型的建立

影響瀝青混合料凍融循環條件下耐久性的各項參數與耐久性的判定指標之間并不是單一的線性關系，不能簡單直接地用數學公式進行表達，難以建立簡單準確的預測模型，而人工神經網絡模型則擅長處理復雜的多元非線性問題，能夠在已有的試驗數據上進行預測。

2.1 BP神經網絡與遺傳算法優化

BP神經網絡模型是一種多層前饋神經網絡，信號前向傳播，而誤差反向傳播，在信號前向傳播的過程中，每一層的神經元狀態只能夠影響到下一層的神經元狀態[4]。BP網絡的拓撲結構如圖1所示。

1962年，美國密歇根大學的Holland教授提出了遺傳算法，遺傳算法是并行隨機搜索的最優化方法，是通過模擬自然界遺傳機制和生物進化論進而形成的[4]。極值尋優將在訓練后的預測結果中尋找全局最優值以及相對應的輸入值。

BP神經網絡遺傳算法函數主要分為預測模型的訓練擬合以及遺傳算法極值尋優兩個步驟，算法流程如圖2所示。

2.2 網絡設計與訓練

本文選取了36組試驗數據，以其中30組數據作為學習訓練樣本，另外6組數據作為測試樣本。網絡的輸入層為瀝青混合料的60 ℃動力黏度、堿性、油石比、飽和度、空隙率和凍融循環次數，網絡節點數為6;網絡的輸出層為凍融循環后的空隙率以及劈裂抗拉強度，網絡節點數為2。

神經網絡采用6—14—2結構，遺傳算法的迭代次數為200次，種群規模為30，交叉概率為0.4，變異概率為0.2，采用浮點數進行編碼，個體長度為6。采用的數據見表1和下頁表2。

3 模型預測結果及精度分析

共采用30組數據對預測模型進行了訓練，之后用6組數據對預測模型進行測試。對每一組測試數據進行3次預測，采用3次預測輸出的平均值作為模型的預測結果，見圖3和圖4。

由預測結果可以得知，預測得出的空隙率和劈裂抗拉強度絕對誤差較小，相對誤差最大為4.1%，其余結果的相對誤差均不超過4%。說明采用遺傳算法下的神經網絡進行瀝青混合料在凍融循環條件下的耐久性預測是可行的。

4 結語

本文通過對瀝青混合料在凍融循環條件下耐久性的影響因素進行分析，建立了遺傳算法優化的神經網絡預測模型，主要結論如下：

（1）通過對瀝青、集料以及混合料進行多方面的分析，選取了瀝青混合料的60 ℃動力黏度、堿性、油石比、飽和度、空隙率以及凍融循環次數六個主要影響因素成為模型的輸入參數。選取了瀝青混合料凍融循環后的空隙率和劈裂抗拉強度這兩個耐久性的主要判定指標作為輸出結果。

（2）通過運用遺傳算法對神經網絡進行優化，建立了瀝青混合料在凍融循環條件下耐久性的影響因素和主要判定指標之間的3層神經網絡非線性預測模型。預測結果中，最大相對誤差為4.1%，其余結果的相對誤差均在4%以下，預測結果可以實現對瀝青混合料凍融循環條件下耐久性的初步預測。

（3）利用既有的大量瀝青混合料的試驗數據，對瀝青混合料的耐久性進行預測，可以有效地節省大量的人力、物力以及財力，避免資源的浪費。

參考文獻：

[1]王明柱，郭廣禮，查劍鋒，等.BP神經網絡在開采沉陷相似材料配比中的應用[J].現代礦業，2011，27（7）：10-12.

[2]徐紅玉，黨松洋，梁 斌.橡膠顆粒瀝青混合料耐久性及其GM（1，1）預測[J].河南科技大學學報（自然科學版），2015，36（4）：73-77，8-9.

[3]熊 銳，陳拴發，關博文，等.凍融循環條件下瀝青混合料的耐久性及其GM（1，N）預測[J].武漢理工大學學報，2012，34（3）：42-45.

[4]張云鵬.隧道穿越活動斷裂區地震動力響應及減震措施研究[D].石家莊：石家莊鐵道大學，2018.

收稿日期：2020-04-17