[发明专利]一种沥青混合料综合性能预测方法

摘要

本发明公开了一种沥青混合料综合性能预测方法选取若干种沥青混合料的合成级配参数、油石比以及每种级配的沥青混合料相应性能作为试验样本总体；对收集到的样本数据剔除异常值，进行归一化处理，作为模型的输出变量，判断样本的各档合成级配参数和油石比之间的相关性和主成分分析后确定模型的输入变量，建立神经网络模型，用模型输出变量对神经网络模型进行训练，利用训练完毕的神经网络模型对测试集数据进行仿真；利用经主成分分析算法优化后的神经网络模型可以高效准确的计算出混合料综合性能，对沥青混合料的混合料综合性能进行评价，从而避免进行大量重复性的试验操作，避免了试验试件的制作，有效地减少人力、物力和财力的浪费。

主权项

1.一种沥青混合料综合性能预测方法，其特征在于，包括以下步骤：步骤1，选取若干种级配沥青混合料的级配参数和性能参数作为样本数据；步骤2，对步骤1收集到的样本数据进行预处理，剔除异常值，并进行归一化处理；步骤3，计算步骤2归一化后各档合成级配参数和油石比之间的相关性，得到相关系数矩阵，若相关系数矩阵中有一半以上的数据大于阈值，则对数据进行降维处理，将降维后得到的主成分确定为神经网络模型的输入变量；若不满足降维条件，则直接将合成级配参数和油石比确定为神经网络模型输入变量；步骤4，根据步骤3确定神经网络模型输入层的输入变量，将沥青混合料的稳定度、流值、动稳定度、残留稳定度和低温破坏应变作为神经网络模型的输出变量，建立BP神经网络模型，其数学表达式为：其中，M_k为模型输入变量，W_ki为输入层权重，ε_i为输入层误差项，V_ij为输出层权重，η_j为输出层误差项，T_j为模型输出值，k为主成分个数，取值1～n，i为隐含层神经元个数，取值1～m，j为输出变量个数，f(x)为传递函数；步骤5，将步骤3确定的输入变量作为BP神经网络模型的输入变量，将沥青混合料的性能参数作为BP神经网络模型的输出变量，对步骤4所建立BP神经网络模型进行训练；BP神经网络模型输出结果的均方差符合要求时，则进行步骤6，若不符合要求，则重复步骤4和步骤5；步骤6，用步骤5所训练的神经网络模型对测试集数据进行多次仿真，取仿真结果的平均值作为最终预测结果。