魏保立，郭成超，鄧苗毅

(1.鄭州大學(xué)，水利科學(xué)與工程學(xué)院，鄭州450001；2.鄭州航空工業(yè)管理學(xué)院，土木建筑學(xué)院，鄭州450046；3.中山大學(xué)，土木工程學(xué)院，廣東珠海519082)

0 引言

機(jī)場(chǎng)跑道是機(jī)場(chǎng)基礎(chǔ)設(shè)施中功能重要、養(yǎng)護(hù)維修投入最多的結(jié)構(gòu)之一，因此機(jī)場(chǎng)道面性能狀況一直是機(jī)場(chǎng)設(shè)施運(yùn)維部門最關(guān)注的問題。通過道面性能預(yù)測(cè)，可以對(duì)養(yǎng)護(hù)維修決策提供指導(dǎo)，有助于將道面性能維持在適當(dāng)水平，故長(zhǎng)期以來道面性能退化過程的預(yù)測(cè)都是機(jī)場(chǎng)道面領(lǐng)域研究的重點(diǎn)。

20世紀(jì)中葉，機(jī)場(chǎng)管理部門對(duì)于機(jī)場(chǎng)跑道的運(yùn)維基本停留在“頭疼治頭，腳病醫(yī)腳”的事后維護(hù)階段。事后維護(hù)[1]是基于病害的維護(hù)方式，即在跑道出現(xiàn)損壞的情況下進(jìn)行維護(hù)。這種維護(hù)方式是在損壞出現(xiàn)時(shí)才采取維護(hù)措施，而這些損壞會(huì)對(duì)機(jī)場(chǎng)運(yùn)營(yíng)造成巨大的經(jīng)濟(jì)損失。21世紀(jì)初期的近10年，為減少損壞出現(xiàn)頻率，管理者摒棄了被動(dòng)式的事后維護(hù)方式，采取較為積極的預(yù)防性維護(hù)。預(yù)防性維護(hù)是基于時(shí)間的維護(hù)方式，即按照時(shí)間確定維護(hù)周期，在固定的時(shí)間對(duì)跑道進(jìn)行維護(hù)，以確保跑道在未來一段較長(zhǎng)的時(shí)間內(nèi)可以正常運(yùn)營(yíng)。但是，基于時(shí)間的維護(hù)會(huì)造成跑道養(yǎng)護(hù)的不均衡，即整個(gè)跑道一致的維護(hù)周期會(huì)造成某些道面區(qū)域進(jìn)行不必要養(yǎng)護(hù)，而某些道面區(qū)域不能及時(shí)得到養(yǎng)護(hù)。且預(yù)防性維護(hù)依賴于技術(shù)人員的經(jīng)驗(yàn)，缺乏數(shù)據(jù)支持。

目前，在很多行業(yè)尤其是工業(yè)界發(fā)展起來的預(yù)測(cè)性維護(hù)(Predictive Maintenance，PdM)是智能維護(hù)的一種典型方式，預(yù)測(cè)性維護(hù)[2]是數(shù)據(jù)驅(qū)動(dòng)的維護(hù)方式，它融合了傳感器技術(shù)、信號(hào)處理技術(shù)等，綜合運(yùn)用可靠性分析、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等方法，發(fā)現(xiàn)潛在的病害，從而制定更加合理有效的維護(hù)計(jì)劃。

因此，本文通過國(guó)內(nèi)外關(guān)于機(jī)場(chǎng)道面性能退化預(yù)測(cè)方面的資料調(diào)研和收集，從地方機(jī)場(chǎng)定期檢測(cè)數(shù)據(jù)中提取樣本，建立機(jī)場(chǎng)道面性能退化預(yù)測(cè)模型，為機(jī)場(chǎng)跑道預(yù)測(cè)性維護(hù)提供技術(shù)支持，同時(shí)也為合理部署機(jī)場(chǎng)跑道的維修和養(yǎng)護(hù)計(jì)劃提供借鑒參考。

1 機(jī)場(chǎng)道面性能退化模型的建立方法

1.1 非線性混合效應(yīng)模型

考慮國(guó)內(nèi)外道面(或鋪面)性能衰變方程，結(jié)合道面性能衰變模型應(yīng)能反映道面的行為和道面性能特點(diǎn)的要求，確定選用一個(gè)通用方程作為描述道面結(jié)構(gòu)行為的基本方程，即《民用機(jī)場(chǎng)道面評(píng)價(jià)管理技術(shù)規(guī)范MH/T 5024-2019》中道面性能衰變方程[3]，具體形式為

式中：Y為道面性能指數(shù)(可以是道面狀況指數(shù)PCI、道面質(zhì)量指數(shù)PQI或國(guó)際平整度IRI等指標(biāo))；Y0為某時(shí)刻道面性能指標(biāo)的數(shù)值，一般為道面開始投入使用時(shí)性能指標(biāo)初始值，多采用100 標(biāo)量表示；t為道面的使用時(shí)間；α、β為衰變方程的模型參數(shù)，與個(gè)體特征變量有關(guān)。

不同機(jī)場(chǎng)道面結(jié)構(gòu)的性能衰變曲線均可由式(1)確定，其曲線形狀主要由參數(shù)α、β控制，任何一個(gè)復(fù)雜的道面性能曲線與α、β存在著一一對(duì)應(yīng)關(guān)系，可用二維點(diǎn)(α、β) 來描述道面性能的衰變歷程，得出反映機(jī)場(chǎng)道面使用性能發(fā)展變化規(guī)律的退化曲線，并可以進(jìn)一步定量分析研究道面使用性能的退化過程。同時(shí)也可以得出一個(gè)重要推論，所有影響道面性能的因素都將影響參數(shù)的大小，即α、β可以表示為：α=f(交通軸載，結(jié)構(gòu)強(qiáng)度，面層厚度，基層類型，環(huán)境狀況，材料類型)；β=f(交通軸載，結(jié)構(gòu)強(qiáng)度，面層厚度，基層類型，環(huán)境狀況，材料類型)，其中，f(?)為目標(biāo)函數(shù)。

由于機(jī)場(chǎng)道面使用性能的退化具有復(fù)雜性、多樣性和隨機(jī)性的特征，因此，需要在一定的隨機(jī)擾動(dòng)假設(shè)下，盡量找出最簡(jiǎn)單的模型形式，并為數(shù)據(jù)提供良好的模型擬合。結(jié)合國(guó)內(nèi)外研究成果，本文選用的機(jī)場(chǎng)跑道個(gè)體預(yù)測(cè)模型為

式中：γij為隨機(jī)正態(tài)殘差項(xiàng)。

由于所有影響道面性能的因素都將影響參數(shù)α、β的大小，通過探索性分析，將個(gè)體模型測(cè)量參數(shù)進(jìn)行組合，得到群體結(jié)構(gòu)模型為

式中：N為航空交通量；H為道面結(jié)構(gòu)厚度(cm)；αi、βi為個(gè)體模型參數(shù)，是正態(tài)隨機(jī)變量；ai和ci為固定效應(yīng)參數(shù)；bji為隨機(jī)效應(yīng)。對(duì)式(3)進(jìn)行對(duì)數(shù)變換，轉(zhuǎn)化為線性表達(dá)式為

式中：ki和mi為固定效應(yīng)參數(shù)；uji為服從均值為0，方差為σ2D正態(tài)分布的殘差。

1.2 聯(lián)合估計(jì)方法

在利用多個(gè)數(shù)據(jù)源進(jìn)行參數(shù)估計(jì)時(shí)，聯(lián)合估計(jì)方法是一種首選的統(tǒng)計(jì)方法，因?yàn)槁?lián)合估計(jì)不僅可以確定所有數(shù)據(jù)源中共有的解釋變量，還可以確定每個(gè)數(shù)據(jù)源中特有的解釋變量[4]。聯(lián)合估計(jì)方法最早被Morikawa 等[5]用于旅行需求建模，Archilla[6]、Prozzi[7]和Anastasopoulos[8]用聯(lián)合估計(jì)方法對(duì)路面性能進(jìn)行了評(píng)價(jià)或分析預(yù)測(cè)。

考慮兩個(gè)不同的數(shù)據(jù)源A和B，兩個(gè)數(shù)據(jù)源都包含因變量PCI(本文研究對(duì)象)，幾個(gè)影響因素(解釋變量)如飛機(jī)起降頻次、道面結(jié)構(gòu)厚度等，具體到每個(gè)數(shù)據(jù)源的數(shù)據(jù)模型為

式中：E(? |?)為PCI的條件期望函數(shù)，函數(shù)形式為g(?)；YA、YB分別為模型A、B的PCI；xA、xB分別為模型A、B 共有的自變量；w為僅與模型A 相關(guān)的自變量；z為僅與模型B相關(guān)的自變量；βA、βB分別為與模型A、B有關(guān)的參數(shù)；α、γ分別為與w、z有關(guān)的模型參數(shù)。

根據(jù)解釋變量的不同特點(diǎn)，一般情況下：βA≠βB，因此，兩模型參數(shù)集的第i個(gè)元素之間的關(guān)系可以表示為βAi=βBi+δi或βAi=μi βBi，其中，δi和μi為偏差參數(shù)或稱為偏差糾正系數(shù)，通過聯(lián)合估計(jì)方法可以獲得δi和μi的估計(jì)值，從而確定兩個(gè)模型的參數(shù)值。由于聯(lián)合估計(jì)方法融合了多種數(shù)據(jù)源，模型的總體樣本量較大，使函數(shù)參數(shù)估計(jì)值的方差較小，模型的統(tǒng)計(jì)效率較顯著。在機(jī)場(chǎng)道面評(píng)估模型中采用聯(lián)合估計(jì)法的偏差系數(shù)，不僅可以考慮飛行交通量lgN和道面厚度lgH在不同樣本的差異，還可以考慮不同數(shù)據(jù)集之間未觀察到的異方差。

2 機(jī)場(chǎng)道面數(shù)據(jù)集的整理

機(jī)場(chǎng)道面歷史數(shù)據(jù)是建立機(jī)場(chǎng)道面性能退化預(yù)估模型的基礎(chǔ)，本文以兩組不同特點(diǎn)的機(jī)場(chǎng)道面測(cè)試歷史數(shù)據(jù)為數(shù)據(jù)源。數(shù)據(jù)集1 為我國(guó)民用機(jī)場(chǎng)道面PCI現(xiàn)場(chǎng)測(cè)試歷史數(shù)據(jù)集，其特點(diǎn)和詳細(xì)信息參見文獻(xiàn)[9]；數(shù)據(jù)集2為河南地方機(jī)場(chǎng)跑道和滑行道2007-2017年現(xiàn)場(chǎng)測(cè)試數(shù)據(jù)集，本文對(duì)其進(jìn)行簡(jiǎn)要介紹。

數(shù)據(jù)集2 是河南地方某機(jī)場(chǎng)2007，2013，2017年飛行區(qū)跑道、滑行道道面的檢測(cè)時(shí)間序列數(shù)據(jù)。至2019年，該機(jī)場(chǎng)飛行區(qū)道面已使用22年，飛行區(qū)道面已接近其設(shè)計(jì)使用壽命。為了全面掌握飛行區(qū)道面綜合情況，以便為制定該區(qū)域道面近期的管理和改造計(jì)劃提供依據(jù)，機(jī)場(chǎng)管理部門于2007，2013，2017年分別對(duì)機(jī)場(chǎng)飛行區(qū)跑道、滑行道和聯(lián)絡(luò)道道面進(jìn)行全面檢測(cè)，并對(duì)現(xiàn)場(chǎng)檢測(cè)數(shù)據(jù)進(jìn)行綜合分析形成較高價(jià)值的數(shù)據(jù)庫。

為盡量避免數(shù)據(jù)預(yù)處理過程中產(chǎn)生新的誤差，根據(jù)文獻(xiàn)[9]中數(shù)據(jù)源的特點(diǎn)及數(shù)據(jù)處理方法。將河南地方機(jī)場(chǎng)道面結(jié)構(gòu)相同年起降次數(shù)基本類似的道面區(qū)域和相同道面結(jié)構(gòu)構(gòu)成的個(gè)體劃分為組，假設(shè)組內(nèi)PCI數(shù)據(jù)具有同質(zhì)性，依靠道面?zhèn)€體在觀測(cè)時(shí)間點(diǎn)上的差異，通過“時(shí)間推移”延長(zhǎng)組內(nèi)數(shù)據(jù)的時(shí)間序列，同時(shí)剔除部分較特殊或有疑義的個(gè)體數(shù)據(jù)，最后得到91組剛性道面數(shù)據(jù)，其中部分?jǐn)?shù)據(jù)如表1所示。

表1 機(jī)場(chǎng)道面歷史數(shù)據(jù)源內(nèi)容簡(jiǎn)表Table 1 Summary table of airport pavement history data set content

3 預(yù)測(cè)模型的參數(shù)估計(jì)

結(jié)合機(jī)場(chǎng)跑道性能退化特點(diǎn)，對(duì)式(1)進(jìn)行變換，即

式中：Yt為t時(shí)刻機(jī)場(chǎng)道面的狀況指數(shù)；Yt0為初始時(shí)刻t0時(shí)機(jī)場(chǎng)道面的狀況指數(shù)，數(shù)值大小和機(jī)場(chǎng)道面結(jié)構(gòu)類型，飛行交通量等影響因素有關(guān)，數(shù)值一般在90～100范圍之內(nèi)。為了說明混合效應(yīng)模型的有效性，在進(jìn)行建模之前，首先按照式(7)，在不考慮混合效應(yīng)的前提下，采用非線性回歸方法得出機(jī)場(chǎng)跑道性能退化預(yù)測(cè)模型的參數(shù)值；同時(shí)利用飛行交通量N和道面水泥混凝土面層厚度H兩個(gè)變量捕捉期望函數(shù)中α、β的異方差，為了便于分析，分別以N和H的對(duì)數(shù)作為解釋變量引入函數(shù)之中。

3.1 非線性普通回歸模型參數(shù)估計(jì)

通過探索性建模，將所有可能對(duì)整個(gè)數(shù)據(jù)樣本的PCI值有影響的變量納入模型，經(jīng)過分析剔除所有不具統(tǒng)計(jì)學(xué)意義的變量，顯著性水平為10%，得到采用聯(lián)合估計(jì)法的擬合模型。為便于區(qū)別，將此模型標(biāo)記為模型Ⅰ，表達(dá)式為

式中：δi、μi、λi為聯(lián)合估計(jì)法的偏差系數(shù)；DS為數(shù)據(jù)集指示變量，取值為0 或1。最終建立的模型Ⅰ包括15個(gè)參數(shù)，結(jié)果如表2所示。保留在模型中的這些參數(shù)，可以分析偏差參數(shù)，也可以進(jìn)一步分析模型中解釋變量對(duì)PCI變量的影響。

虛擬變量DS根據(jù)數(shù)據(jù)集不同，取值為0 或1，則對(duì)于每個(gè)數(shù)據(jù)源，模型I 中參數(shù)的數(shù)量也不相同。以數(shù)據(jù)集1為例，其DS取值為0，則表2中的偏差系數(shù)δi、μi、λi和DS=0 相乘以后數(shù)值為零，即偏差系數(shù)在數(shù)據(jù)集1 中均不存在，所以對(duì)于數(shù)據(jù)集1 來說，其參數(shù)數(shù)量減少到9 個(gè)。另外對(duì)于數(shù)據(jù)集1來說，將其做為對(duì)照數(shù)據(jù)集(或稱基線數(shù)據(jù))，數(shù)據(jù)集2 利用偏差系數(shù)來解釋本身數(shù)據(jù)對(duì)于基線數(shù)據(jù)的潛在差異。

從表2可以看出，采用聯(lián)合估計(jì)方法并納入解釋變量lgN和lgH后，非線性回歸擬合模型的殘差均方值較小，模型決定系數(shù)R2=0.972，這說明聯(lián)合估計(jì)方法對(duì)改善模型的擬合效果作用顯著，并且能夠?qū)?shù)據(jù)源的異方差和組間效應(yīng)進(jìn)行較好的解釋。

表2 非線性普通回歸模型(模型Ⅰ)參數(shù)估計(jì)值Table 2 Parameter estimates for nonlinear ordinary regression model(model Ⅰ)

3.2 非線性混合效應(yīng)模型參數(shù)估計(jì)

為了改善預(yù)測(cè)效果，進(jìn)一步解釋每個(gè)測(cè)試樣本與總體均值的偏差，分析樣本中未觀察到的異質(zhì)性。通過非線性混合效應(yīng)得到預(yù)測(cè)模型(模型Ⅱ)，模型Ⅱ使用的參數(shù)和模型Ⅰ的參數(shù)變量數(shù)量一致，僅采用隨機(jī)效應(yīng)對(duì)模型Ⅱ參數(shù)進(jìn)行修正，去除所有統(tǒng)計(jì)不顯著的參數(shù)，重新評(píng)估其他參數(shù)的顯著性，得到最終的非線性混合效應(yīng)模型。經(jīng)過探索性建模，最后得到非線性混合效應(yīng)評(píng)估模型為

式中：uji為第i個(gè)數(shù)據(jù)集中第j個(gè)樣本的正態(tài)隨機(jī)誤差。各參數(shù)結(jié)果如表3所示。

從表3可以看出，采用混合效應(yīng)模型和聯(lián)合估計(jì)方法并納入解釋變量lgN和lgH后，模型的標(biāo)準(zhǔn)差為1.565，較模型I的標(biāo)準(zhǔn)差3.228，減小比例約為52%；模型決定系數(shù)R2=0.989，回歸擬合效果得到提高。說明混合效應(yīng)方法對(duì)改善模型的擬合效果作用顯著，能夠?qū)?shù)據(jù)源的異方差和組間效應(yīng)進(jìn)行較好地解釋。

表3 非線性混合效應(yīng)模型(模型II)參數(shù)估計(jì)值Table 3 Parameter estimates for nonlinear mixed effects model(model II)

為說明考慮隨機(jī)效應(yīng)和不考慮隨機(jī)效應(yīng)模型的差異，圖1分別做出兩個(gè)模型的擬合值和預(yù)測(cè)值。

圖1 PCI觀測(cè)值和預(yù)測(cè)值對(duì)比Fig.1 Observed and predicted values of PCI

從圖1可以看出，數(shù)據(jù)點(diǎn)比較密集的集中在45°對(duì)角線附近，值得注意的是在圖1(b)中，對(duì)于數(shù)據(jù)集2，數(shù)據(jù)分布沿y軸分布更均勻，這說明包含混合效應(yīng)的模型Ⅱ比無混合效應(yīng)的模型Ⅰ對(duì)數(shù)據(jù)的解釋要好。這主要是因?yàn)椴捎没旌闲?yīng)方法進(jìn)行預(yù)測(cè)，模型預(yù)測(cè)的每個(gè)樣本中都包含兩個(gè)隨機(jī)效應(yīng)的因子(一個(gè)是α參數(shù)中的u0i，另一個(gè)是β參數(shù)中的u1i)，每個(gè)樣本的誤差可以被兩個(gè)獨(dú)立的隨機(jī)誤差進(jìn)行解釋，從而使混合效應(yīng)模型的預(yù)測(cè)效果明顯好于非線性普通回歸模型。

4 模型預(yù)測(cè)性能分析

建模的目的不僅僅是找到一個(gè)數(shù)據(jù)擬合滿意的統(tǒng)計(jì)模型，更重要的是建立一個(gè)具有結(jié)果可解釋性的簡(jiǎn)約模型。下面對(duì)混合效應(yīng)模型式(9)進(jìn)行效果分析。

為了評(píng)價(jià)混合效應(yīng)模型擬合不同交通水平的道面性能的預(yù)測(cè)效果，采用邊際效應(yīng)分析方法，即選取道面厚度相同，但不同交通水平的樣本進(jìn)行分析：選擇數(shù)據(jù)集1 中樣本S14(lgN=3.62)，樣本S9(lgN=4.29)，樣本S15(lgN=4.42)，樣本S2(lgN=4.56)預(yù)測(cè)PCI，這些個(gè)體道面混凝土面層厚度均為32 cm，PCI 預(yù)測(cè)曲線如圖2(a)所示。從圖2(a)可以看出：混合效應(yīng)模型對(duì)于不同飛行交通量水平(僅限于數(shù)據(jù)集中包含的飛行交通量范圍)的道面?zhèn)€體均能較好地預(yù)測(cè)其PCI衰變趨勢(shì)；混合效應(yīng)模型預(yù)測(cè)曲線在t≤10年時(shí)，不同飛行交通量的道面PCI 基本相似，區(qū)別不明顯，而當(dāng)t＞10年以后，不同飛行交通量的道面PCI 衰變曲線有了明顯差異；隨著飛行交通量的增加，PCI的數(shù)值減小，并且飛行交通量水平越高，道面PCI的衰變速率越大。這說明隨著飛機(jī)起降頻次的增加，道面的損壞程度也在增大，導(dǎo)致PCI數(shù)值減小。

值得注意的是：在機(jī)場(chǎng)道面使用初期(圖2(a)中所示為大概10年)，由于機(jī)場(chǎng)道面本身的結(jié)構(gòu)或者材料特點(diǎn)，飛機(jī)起降頻次的增加對(duì)于道面損壞影響較?。坏钱?dāng)機(jī)場(chǎng)道面使用時(shí)間大于一定年限以后，飛機(jī)起降頻次的增加對(duì)道面損壞的影響較為顯著。這說明飛機(jī)荷載對(duì)道面的損傷具有一定累積作用，具體是線性累積還是非線性累積需要進(jìn)一步深入研究。

另外值得注意的是：飛行交通量lgN=4.29 與lgN=4.42的預(yù)測(cè)曲線基本重合在一起，說明這兩種交通量水平的機(jī)場(chǎng)道面性能衰變趨勢(shì)基本一致；然而，飛行交通量lgN=4.42 與lgN=4.56的預(yù)測(cè)曲線卻差異顯著，說明這兩種交通量水平的機(jī)場(chǎng)道面性能衰變趨勢(shì)明顯不同。究其原因：由于本文是將飛機(jī)起降頻次進(jìn)行對(duì)數(shù)轉(zhuǎn)換后，以其對(duì)數(shù)值進(jìn)行分析，所以3 種水平交通量的對(duì)數(shù)值兩兩相差較小，4.42-4.29=0.13，4.56-4.42=0.14，但實(shí)際上3種水平的飛行交通量差異較大，差值約為6804架次，這可能說明在機(jī)場(chǎng)道面水泥混凝土面層厚度32 cm的情況下，飛機(jī)荷載作用次數(shù)達(dá)到一定的數(shù)量等級(jí)以后，機(jī)場(chǎng)道面性能衰變趨勢(shì)將會(huì)發(fā)生突變。換而言之，也即是對(duì)于一定水平的機(jī)場(chǎng)等級(jí)(例如4F 機(jī)場(chǎng))，其飛機(jī)起降頻次有一個(gè)極限值，當(dāng)飛機(jī)荷載作用次數(shù)超過這個(gè)極值以后，有可能對(duì)機(jī)場(chǎng)道面產(chǎn)生較為顯著的損壞。這種推論只是對(duì)圖2(a)所示的現(xiàn)象進(jìn)行分析，結(jié)論可靠性如何還需要進(jìn)一步研究。

為進(jìn)一步評(píng)價(jià)混合效應(yīng)模型擬合不同道面厚度等級(jí)的機(jī)場(chǎng)道面PCI 數(shù)值的性能，從數(shù)據(jù)集1 中按照殘差較大原則選取具有相似交通量水平不同道面厚度值的樣本S02(lgN=4.56，H=32 cm)、

S01(lgN=4.56，H=34 cm)、S08(lgN=4.65，

H=36 cm)和S06(lgN=4.65，H=40 cm)進(jìn)行性能預(yù)測(cè)，結(jié)果如圖2(b)所示。

從圖2(b)可以看出：混合效應(yīng)模型均能較好地?cái)M合不同道面厚度等級(jí)的道面PCI(飛行交通量水平一定的情況下)，并且不同道面厚度等級(jí)的道面PCI衰變曲線差異明顯。特點(diǎn)如下：隨著道面厚度的減小，PCI的數(shù)值減小，且道面厚度越小，道面PCI的衰變速率越大。這說明隨著道面厚度的減小，道面結(jié)構(gòu)承受荷載的能力下降，導(dǎo)致機(jī)場(chǎng)道面在相同飛行交通水平下的損壞程度增大，PCI值也就越小。也間接說明混合效應(yīng)模型對(duì)于不同道面厚度等級(jí)的道面?zhèn)€體均能較好的預(yù)測(cè)其PCI 衰變趨勢(shì)。

圖2 不同水平的模型預(yù)測(cè)圖Fig.2 Model prediction for different levels

5 結(jié)論

本文通過對(duì)兩種機(jī)場(chǎng)道面性能檢測(cè)數(shù)據(jù)的融合，集成了107組道面近30年的PCI數(shù)據(jù)來構(gòu)建機(jī)場(chǎng)道面性能退化預(yù)測(cè)模型，以指示變量將兩種數(shù)據(jù)集進(jìn)行聯(lián)合分析，通過參數(shù)分析和圖形驗(yàn)證，指出不考慮混合效應(yīng)時(shí)，非線性普通回歸模型的擬合效果欠佳；采用混合效應(yīng)方法并搭載聯(lián)合估計(jì)技術(shù)建立預(yù)測(cè)模型，通過對(duì)混合效應(yīng)模型的參數(shù)分析，闡明了混合效應(yīng)模型的擬合效果顯著。根據(jù)所建立的混合效應(yīng)模型的參數(shù)估計(jì)結(jié)果，采用邊際效應(yīng)分析方法，對(duì)道面狀況指數(shù)退化過程進(jìn)行預(yù)測(cè)，評(píng)價(jià)了混合效應(yīng)模型預(yù)測(cè)性能對(duì)飛行交通量和道面厚度的影響規(guī)律。

對(duì)地方民用機(jī)場(chǎng)道面性能退化過程的預(yù)測(cè)是優(yōu)化機(jī)場(chǎng)道面運(yùn)營(yíng)策略規(guī)劃的基礎(chǔ)。在未來的研究工作中，如果能采集更多類型的數(shù)據(jù)(環(huán)境溫度、濕度、道面材料種類等)，并綜合考慮這些不同類型的影響因素對(duì)退化過程的作用，將對(duì)預(yù)測(cè)模型的精度和效果有較大提高。本文采用的數(shù)據(jù)融合只是涉及到數(shù)據(jù)挖掘的部分內(nèi)容，對(duì)于其他的數(shù)據(jù)挖掘方法(比如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等)在機(jī)場(chǎng)道面性能退化過程預(yù)測(cè)的適用性和效果如何是未來的一個(gè)研究方向。