考虑不确定性的现场沥青混合料低温抗裂性能预测

摘要：

准确预估在役沥青路面材料的低温抗裂性能是制订沥青路面科学养护方案的重要前提.鉴于传统低温性能预测模型难以真实反映路面材料所承受的环境和交通荷载条件,采用机器学习方法为在役沥青路面材料的低温断裂能指标构建了预测模型并量化了其不确定性.首先,利用近3a来江苏省大中修工程中所收集的在役沥青路面芯样,采用半圆弯曲(SCB)低温断裂试验测试了不同层位的沥青混合料的低温抗裂性能,计算了断裂能指标,建立了在役沥青路面材料的断裂能指标数据库.其次,基于江苏省路面管理系统对不同路段的交通荷载、环境条件、服役时间、养护历史及路面横缝检测数据等进行了调查分析,选取了特征变量用于预测模型输入.最后,通过贝叶斯神经网络(BNN)方法建立了在役沥青路面材料的抗裂性能预测模型,检验了模型的预测精度并量化了分别由数据和模型产生的 2 种不确定性的影响.结果表明:基于目前的样本量和数据质量所建立的在役沥青路面材料低温抗裂性能的BNN预测模型已具有较高精度,确定系数最高可达 0.79;BNN模型可以很好地量化数据引起的偶然不确定性和模型本身引起的认知不确定性.研究成果可以为决策者在模型使用中提供预测可靠度等信息,为预测在役沥青路面材料性能提供新路径.

关键词：道路工程、低温断裂性能、贝叶斯神经网络、在役沥青混合料、预测模型

所属期刊栏目：40

分类号：U214.7(铁路线路工程)

资助基金：江苏省交通控股重大科研项目8521008443

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：9-17,43