[1]尹 豪,王志雄,王蓝英.基于BP神经网络的沥青混合料水稳定性预测模型[J].筑路机械与施工机械化,2017,(10):63-67.
　YIN Hao,WANG Zhi-xiong,WANG Lan-ying.Prediction Model of Asphalt Mixture Water Stability Based on BP Neural Network[J].,2017,(10):63-67.
点击复制

基于BP神经网络的沥青混合料水稳定性预测模型()
分享到：

《筑路机械与施工机械化》[ISSN:1000-033X/CN:61-1119/U]

卷:
期数:
2017年10期
页码:
63-67
栏目:
设计与实验
出版日期:
2017-10-15

文章信息/Info

Title:
Prediction Model of Asphalt Mixture Water Stability Based on BP Neural Network
文章编号:
1000-033X(2017)10-0063-05
作者:
尹 豪1; 王志雄2; 王蓝英1
1.重庆交通大学 土木工程学院,重庆 400074;
2.江西戆粤高速公路股份有限公司九景管理处,江西 九江 332000
Author(s):
YIN Hao1;  WANG Zhi-xiong2;  WANG Lan-ying1
1.School of Civil Engineering, Chongqing Jiaotong University, Chongqing 400074, China;
2.Jiujing Management Division of Jiangxi Ganyue Expressway Co., Ltd., Jiujiang 332000, Jiangxi, China
关键词:
沥青混合料;  水稳定性;  BP神经网络;  TSR预测模型
Keywords:
asphalt mixture;  moisture susceptibility;  BP neural network;  TSR prediction model
分类号:
U414.01
文献标志码:
B
摘要:
考虑到冻融劈裂强度比(TSR)试验需要消耗大量的时间与物力,并且沥青混合料水稳定性影响因素与评价指标之间很难建立一个十分准确的数学模型,在分析选取影响沥青混合料水稳定性的因素后,通过BP神经网络模型对已有35组试验数据进行训练学习及检验,建立了TSR预测模型。结果表明:这种预测方法的最小相对误差为1.50%,最大相对误差为4.94%,预测精度较好,可用于TSR试验值的预测,为混合料水稳定性的初步判断与评价提供了一定借鉴。
Abstract:
Considering that the test on the freeze-thaw tensile strength ratio(TSR)requires a lot of time and material resources, and it is difficult to establish a very accurate mathematical model between the influencing factors and the evaluation indicators of the moisture susceptibility of asphalt mixture, after analyzing and selecting the factors that affect the moisture susceptibility of asphalt mixture, the BP neural network model was used to train and inspect 35 sets of test data, and the TSR prediction model was established.The results show that the minimum relative error of this prediction method is 1.50% and the maximum is 4.94%.The great accuracy makes it capable of TSR test value prediction, which provides a reference for the preliminary judgment and evaluation of asphalt mixture's moisture susceptibility.

参考文献/References:

[1] 杨文锋.沥青混合料抗水损害能力研究[D].武汉:武汉理工大学,2005.
[2] 王新刚.沥青抗剥落剂对混合料水稳定性的改善作用研究[J].筑路机械与施工机械化,2015,32(1):73-75.
[3] 赵永利,吴 震,黄晓明.沥青混合料水稳定性的试验研究[J].东南大学学报:自然科学版,2001,31(3):99-102.
[4] 周骊巍.沥青混合料水稳性研究[D].天津:河北工业大学,2005.
[5] 吴 梁,周 娇.浸水劈裂试验评价沥青混合料水稳定性[J].筑路机械与施工机械化,2013,30(7):46-49.
[6] 江 曼,吴金荣,童雪雪.聚酯纤维与盐分对沥青混合料的水稳性影响研究[J].硅酸盐通报,2015,34(3):873-877.
[7] 谭忆秋,公维强,徐慧宁.基于BP神经网络沥青混合料低温弯拉应变预测模型[J].沈阳建筑大学学报:自然科学版,2009,25(2):224-229.
[8] 崔 鹏,邵敏华,杨 斐,等.基于神经网络的沥青混合料抗剪强度预估方法[J].同济大学学报:自然科学版,2008,36(9):1191-1194.
[9] 任瑞波,汲 平,李美玲.基于遗传神经网络沥青混合料抗车辙性能研究[J].山东建筑大学学报,2010,25(3):226-230.
[10] 李 红,彭 涛.基于BP、RBF神经网络混凝土抗压强度预测[J].武汉理工大学学报,2009,31(8):33-36.
[11] 任瑞波,钟 阳,张肖宁,等.柔性路面结构参数反算的人工神经元法[J].哈尔滨建筑大学学报,2000,33(4):100-104.
[12] 王雪青,喻 刚,孟海涛.基于GA改进BP神经网络的建设工程投标报价研究[J].土木工程学报,2007,40(7):93-98.
[13] 马 强,马少华,毛宗磊.利用遗传算法优化BP神经网络[J].科技广场,2008(12):196-197.
[14] 申全军,刘加锋.基于人工神经元网络技术的沥青混合料马歇尔试验性能预测模型[J].山东交通科技,2005(4):17-19.
[15] 高春妹.集料清洁度对沥青混合料水稳定性的影响研究[D].长春:吉林大学,2007.

备注/Memo

备注/Memo:
收稿日期:2017-02-28
基金项目:江西省交通科技项目(2015B0050); 重庆市科学技术委员会社会民生科技创新专项项目(CSTC2016SHMSZX30005)
作者简介:尹 豪(1992-),男,湖北阳新人,硕士,研究方向为路基路面结构与材料。
更新日期/Last Update: 2017-10-30