陈天宝

摘要：文章在分析沥青混合料冻融循环条件下耐久性的判定指标及其相关影响因素的基础上，采用遗传算法对神经网络模型进行优化，建立沥青混合料在冻融循环条件下耐久性的影响因素和主要判定指标之间的3层神经网络非线性预测模型，得出空隙率和劈裂抗拉强度最大相对误差为4.1%，可以初步预测沥青混合料冻融循环条件下的耐久性。

关键词：沥青混合料;冻融循环耐久性;遗传算法;神经网络预测

中图分类号：U416.217A020063

0 引言

沥青混凝土路面冻融循环破坏是引发我国昼夜温差较大的积雪区域的道路主要病害的形式之一。由于温度在较短周期内的剧烈变化，在白天温度较高时积雪融化来不及排出，水分侵入沥青混合料内部空隙，在夜晚温度较低时水分冻结，在积水的冻胀作用下，混合料内部空隙率增大，在反复冻融循环作用下沥青混合料强度降低，大面积出现掉粒、松散进而发展成沥青路面的坑槽等现象，降低沥青混凝土路面的耐久性。目前研究的冻融循环次数有限，多次冻融循环的试验成本太高，缺乏有效的多冻融循环次数下沥青混合料耐久性的預测手段。

1 冻融循环条件下沥青混合料耐久性影响因素

在冻融循环条件下，沥青混合料的直接表现是空隙率增大，沥青与集料间的粘结力下降从而使混合料的劈裂抗拉强度下降。因此选择冻融循环后混合料的空隙率和劈裂抗拉强度为耐久性的判定指标。

影响混合料空隙率和劈裂抗拉强度的因素较多，主要取决于沥青、矿料、沥青与矿料之间相互作用的性质等。沥青的影响主要体现在酸性和黏度方面，通常沥青的黏度和酸性越大，与集料的粘结性就越好。集料的影响主要体现在碱性、棱角性和洁净程度方面。集料的棱角性和洁净程度易受施工影响且难以量化，本文仅考虑碱性的影响。所以，沥青混合料冻融循环条件下耐久性的影响因素在本文中主要体现为沥青60 ℃动力黏度、集料碱性、混合料的油石比、空隙率、饱和度以及冻融循环次数。

2 预测模型的建立

影响沥青混合料冻融循环条件下耐久性的各项参数与耐久性的判定指标之间并不是单一的线性关系，不能简单直接地用数学公式进行表达，难以建立简单准确的预测模型，而人工神经网络模型则擅长处理复杂的多元非线性问题，能够在已有的试验数据上进行预测。

2.1 BP神经网络与遗传算法优化

BP神经网络模型是一种多层前馈神经网络，信号前向传播，而误差反向传播，在信号前向传播的过程中，每一层的神经元状态只能够影响到下一层的神经元状态[4]。BP网络的拓扑结构如图1所示。

1962年，美国密歇根大学的Holland教授提出了遗传算法，遗传算法是并行随机搜索的最优化方法，是通过模拟自然界遗传机制和生物进化论进而形成的[4]。极值寻优将在训练后的预测结果中寻找全局最优值以及相对应的输入值。

BP神经网络遗传算法函数主要分为预测模型的训练拟合以及遗传算法极值寻优两个步骤，算法流程如图2所示。

2.2 网络设计与训练

本文选取了36组试验数据，以其中30组数据作为学习训练样本，另外6组数据作为测试样本。网络的输入层为沥青混合料的60 ℃动力黏度、碱性、油石比、饱和度、空隙率和冻融循环次数，网络节点数为6;网络的输出层为冻融循环后的空隙率以及劈裂抗拉强度，网络节点数为2。

神经网络采用6—14—2结构，遗传算法的迭代次数为200次，种群规模为30，交叉概率为0.4，变异概率为0.2，采用浮点数进行编码，个体长度为6。采用的数据见表1和下页表2。

3 模型预测结果及精度分析

共采用30组数据对预测模型进行了训练，之后用6组数据对预测模型进行测试。对每一组测试数据进行3次预测，采用3次预测输出的平均值作为模型的预测结果，见图3和图4。

由预测结果可以得知，预测得出的空隙率和劈裂抗拉强度绝对误差较小，相对误差最大为4.1%，其余结果的相对误差均不超过4%。说明采用遗传算法下的神经网络进行沥青混合料在冻融循环条件下的耐久性预测是可行的。

4 结语

本文通过对沥青混合料在冻融循环条件下耐久性的影响因素进行分析，建立了遗传算法优化的神经网络预测模型，主要结论如下：

（1）通过对沥青、集料以及混合料进行多方面的分析，选取了沥青混合料的60 ℃动力黏度、碱性、油石比、饱和度、空隙率以及冻融循环次数六个主要影响因素成为模型的输入参数。选取了沥青混合料冻融循环后的空隙率和劈裂抗拉强度这两个耐久性的主要判定指标作为输出结果。

（2）通过运用遗传算法对神经网络进行优化，建立了沥青混合料在冻融循环条件下耐久性的影响因素和主要判定指标之间的3层神经网络非线性预测模型。预测结果中，最大相对误差为4.1%，其余结果的相对误差均在4%以下，预测结果可以实现对沥青混合料冻融循环条件下耐久性的初步预测。

（3）利用既有的大量沥青混合料的试验数据，对沥青混合料的耐久性进行预测，可以有效地节省大量的人力、物力以及财力，避免资源的浪费。

参考文献：

[1]王明柱，郭广礼，查剑锋，等.BP神经网络在开采沉陷相似材料配比中的应用[J].现代矿业，2011，27（7）：10-12.

[2]徐红玉，党松洋，梁 斌.橡胶颗粒沥青混合料耐久性及其GM（1，1）预测[J].河南科技大学学报（自然科学版），2015，36（4）：73-77，8-9.

[3]熊 锐，陈拴发，关博文，等.冻融循环条件下沥青混合料的耐久性及其GM（1，N）预测[J].武汉理工大学学报，2012，34（3）：42-45.

[4]张云鹏.隧道穿越活动断裂区地震动力响应及减震措施研究[D].石家庄：石家庄铁道大学，2018.

收稿日期：2020-04-17