陳天寶

摘要：文章在分析瀝青混合料凍融循環(huán)條件下耐久性的判定指標(biāo)及其相關(guān)影響因素的基礎(chǔ)上，采用遺傳算法對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，建立瀝青混合料在凍融循環(huán)條件下耐久性的影響因素和主要判定指標(biāo)之間的3層神經(jīng)網(wǎng)絡(luò)非線性預(yù)測模型，得出空隙率和劈裂抗拉強(qiáng)度最大相對誤差為4.1%，可以初步預(yù)測瀝青混合料凍融循環(huán)條件下的耐久性。

關(guān)鍵詞：瀝青混合料;凍融循環(huán)耐久性;遺傳算法;神經(jīng)網(wǎng)絡(luò)預(yù)測

中圖分類號：U416.217A020063

0 引言

瀝青混凝土路面凍融循環(huán)破壞是引發(fā)我國晝夜溫差較大的積雪區(qū)域的道路主要病害的形式之一。由于溫度在較短周期內(nèi)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(nèi)部空隙，在夜晚溫度較低時水分凍結(jié)，在積水的凍脹作用下，混合料內(nèi)部空隙率增大，在反復(fù)凍融循環(huán)作用下瀝青混合料強(qiáng)度降低，大面積出現(xiàn)掉粒、松散進(jìn)而發(fā)展成瀝青路面的坑槽等現(xiàn)象，降低瀝青混凝土路面的耐久性。目前研究的凍融循環(huán)次數(shù)有限，多次凍融循環(huán)的試驗成本太高，缺乏有效的多凍融循環(huán)次數(shù)下瀝青混合料耐久性的預(yù)測手段。

1 凍融循環(huán)條件下瀝青混合料耐久性影響因素

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

影響混合料空隙率和劈裂抗拉強(qiáng)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(zhì)等。瀝青的影響主要體現(xiàn)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(jié)性就越好。集料的影響主要體現(xiàn)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(huán)條件下耐久性的影響因素在本文中主要體現(xiàn)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(huán)次數(shù)。

2 預(yù)測模型的建立

影響瀝青混合料凍融循環(huán)條件下耐久性的各項參數(shù)與耐久性的判定指標(biāo)之間并不是單一的線性關(guān)系，不能簡單直接地用數(shù)學(xué)公式進(jìn)行表達(dá)，難以建立簡單準(zhǔn)確的預(yù)測模型，而人工神經(jīng)網(wǎng)絡(luò)模型則擅長處理復(fù)雜的多元非線性問題，能夠在已有的試驗數(shù)據(jù)上進(jìn)行預(yù)測。

2.1 BP神經(jīng)網(wǎng)絡(luò)與遺傳算法優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)模型是一種多層前饋神經(jīng)網(wǎng)絡(luò)，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(jīng)元狀態(tài)只能夠影響到下一層的神經(jīng)元狀態(tài)[4]。BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1所示。

1962年，美國密歇根大學(xué)的Holland教授提出了遺傳算法，遺傳算法是并行隨機(jī)搜索的最優(yōu)化方法，是通過模擬自然界遺傳機(jī)制和生物進(jìn)化論進(jìn)而形成的[4]。極值尋優(yōu)將在訓(xùn)練后的預(yù)測結(jié)果中尋找全局最優(yōu)值以及相對應(yīng)的輸入值。

BP神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)主要分為預(yù)測模型的訓(xùn)練擬合以及遺傳算法極值尋優(yōu)兩個步驟，算法流程如圖2所示。

2.2 網(wǎng)絡(luò)設(shè)計與訓(xùn)練

本文選取了36組試驗數(shù)據(jù)，以其中30組數(shù)據(jù)作為學(xué)習(xí)訓(xùn)練樣本，另外6組數(shù)據(jù)作為測試樣本。網(wǎng)絡(luò)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(huán)次數(shù)，網(wǎng)絡(luò)節(jié)點數(shù)為6;網(wǎng)絡(luò)的輸出層為凍融循環(huán)后的空隙率以及劈裂抗拉強(qiáng)度，網(wǎng)絡(luò)節(jié)點數(shù)為2。

神經(jīng)網(wǎng)絡(luò)采用6—14—2結(jié)構(gòu)，遺傳算法的迭代次數(shù)為200次，種群規(guī)模為30，交叉概率為0.4，變異概率為0.2，采用浮點數(shù)進(jìn)行編碼，個體長度為6。采用的數(shù)據(jù)見表1和下頁表2。

3 模型預(yù)測結(jié)果及精度分析

共采用30組數(shù)據(jù)對預(yù)測模型進(jìn)行了訓(xùn)練，之后用6組數(shù)據(jù)對預(yù)測模型進(jìn)行測試。對每一組測試數(shù)據(jù)進(jìn)行3次預(yù)測，采用3次預(yù)測輸出的平均值作為模型的預(yù)測結(jié)果，見圖3和圖4。

由預(yù)測結(jié)果可以得知，預(yù)測得出的空隙率和劈裂抗拉強(qiáng)度絕對誤差較小，相對誤差最大為4.1%，其余結(jié)果的相對誤差均不超過4%。說明采用遺傳算法下的神經(jīng)網(wǎng)絡(luò)進(jìn)行瀝青混合料在凍融循環(huán)條件下的耐久性預(yù)測是可行的。

4 結(jié)語

本文通過對瀝青混合料在凍融循環(huán)條件下耐久性的影響因素進(jìn)行分析，建立了遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，主要結(jié)論如下：

（1）通過對瀝青、集料以及混合料進(jìn)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(huán)次數(shù)六個主要影響因素成為模型的輸入?yún)?shù)。選取了瀝青混合料凍融循環(huán)后的空隙率和劈裂抗拉強(qiáng)度這兩個耐久性的主要判定指標(biāo)作為輸出結(jié)果。

（2）通過運用遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，建立了瀝青混合料在凍融循環(huán)條件下耐久性的影響因素和主要判定指標(biāo)之間的3層神經(jīng)網(wǎng)絡(luò)非線性預(yù)測模型。預(yù)測結(jié)果中，最大相對誤差為4.1%，其余結(jié)果的相對誤差均在4%以下，預(yù)測結(jié)果可以實現(xiàn)對瀝青混合料凍融循環(huán)條件下耐久性的初步預(yù)測。

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

參考文獻(xiàn)：

[1]王明柱，郭廣禮，查劍鋒，等.BP神經(jīng)網(wǎng)絡(luò)在開采沉陷相似材料配比中的應(yīng)用[J].現(xiàn)代礦業(yè)，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(yù)測[J].河南科技大學(xué)學(xué)報（自然科學(xué)版），2015，36（4）：73-77，8-9.

[3]熊 銳，陳拴發(fā)，關(guān)博文，等.凍融循環(huán)條件下瀝青混合料的耐久性及其GM（1，N）預(yù)測[J].武漢理工大學(xué)學(xué)報，2012，34（3）：42-45.

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

收稿日期：2020-04-17