集成试验评价与可解释机器学习（XML）揭示天然集料（NA）含量对沥青混合料强度与变形性能的影响

《Scientific Reports》：Investigating the effect of natural aggregate on asphalt mixture performance by integrating experimental evaluation and explainable machine learning

　　

天然集料（Natural aggregate, NA）通常作为集料骨架的一部分掺入沥青混合料；然而，过量NA含量可能对力学强度和抗变形能力产生不利影响。本研究采用集成的试验、统计和可解释机器学习（explainable machine learning, XML）框架，研究NA含量对沥青混合料性能的影响。研究人员使用破碎粗集料制备沥青混合料，NA含量按重量分别为0%、4%、8%、12%、16%、20%和24%。试验方案包括马歇尔稳定度与流值（Marshall stability and flow）、间接拉伸强度（indirect tensile strength, ITS）和轮辙试验（wheel tracking test），以评价强度和变形响应。采用Pearson相关、方差分析（analysis of variance, ANOVA）和逐步回归检验混合料变量与性能指标之间的关系。随后建立随机森林（Random Forest, RF）模型预测混合料性能，表现出强预测能力，所有目标的测试R²值超过0.95，相应平均绝对百分比误差（mean absolute percentage error, MAPE）值低于2.5%。特征重要性识别出NA含量是控制混合料性能的最具影响变量。SHAP（SHapley Additive exPlanations）和响应面分析进一步量化了混合料变量的贡献，并阐明其联合交互效应。所得结果表明，增加NA含量会降低稳定度和ITS，同时增加流值和车辙深度。研究结果还揭示，最显著的增量劣化发生在12%至16% NA之间，其中拉伸强度和变形响应对NA替代率增加表现出高敏感性。该集成框架支持含NA沥青混合料的可靠预测、工程解释和知情设计决策。

天然集料（Natural aggregate, NA）常被纳入沥青混合料作为集料骨架的一部分，但过量NA可能降低力学强度和抗变形能力。已有研究显示，集料类型、形状、纹理和级配影响热拌沥青（hot mix asphalt, HMA）混合料刚度、和易性和永久变形敏感性；NA通常较破碎集料表面更光滑、颗粒更圆，可能降低内摩擦和集料嵌锁，增加开裂和车辙风险。既往研究多通过实验或预测建模分别研究NA利用，较少将渐进粗NA替代、实验室评价和可解释机器学习（explainable machine learning, XML）统一在同一分析框架内，且对连续替代水平下性能劣化的量化不足。因此，研究人员开展0%–24% NA含量对沥青混合料性能影响的集成实验、统计和XML研究，以识别控制变量、量化劣化并支持基于性能的初步筛选。研究结果显示，增加NA降低马歇尔稳定度和间接拉伸强度（indirect tensile strength, ITS），增加流值和车辙深度；12%–16% NA区间劣化最敏感。其意义在于为含NA沥青混合料提供可靠预测、工程解释和知情设计决策支持。

研究人员采用的关键技术方法可概括为：以破碎白云石为粗集料，其来源为Suez Governorate的ATAKA采石场；以当地天然圆砾为NA；以Ismailia Governorate的Fayed采石场硅质砂为细集料，石灰石矿物填料和Suez 60/70沥青为结合料，采用4 C级配。NA按质量0%–24%逐级替代粗集料，每个NA水平设5个沥青含量、每个含量3个试件。试验包括马歇尔试验（测最佳沥青含量、空隙率AV%、矿料间隙率VMA%、单位重、稳定度和流值）、30 °C ITS试验及60 °C轮辙试验。统计分析采用Pearson相关、ANOVA和逐步回归；RF模型在Python 3.12中实现，基于105个观测，80%训练/20%测试，采用200棵树、最大深度12，并进行5折交叉验证、特征重要性、SHAP和响应面分析。

试验结果（Experimental results）。通过马歇尔与拉伸强度试验发现，NA%从0%增至24%时，沥青含量、单位重、AV%、VMA%、马歇尔稳定度和ITS逐渐降低；稳定度从2890降至1940 lb，ITS从39降至18 lb/in²，流值从10.9增至15.9（0.01 in），表明承载和抗拉能力下降、变形倾向增加。轮辙试验结果表明，车辙深度随加载时间和NA含量持续增加；0% NA最终车辙深度最低，为4.20 mm，24% NA最高，为9.70 mm，说明NA增加降低抗车辙能力并增加永久变形累积。

相关性与统计分析（Correlation and statistical analysis）。通过Pearson相关发现，NA%与AV%、VMA%呈强负相关，r分别约为?0.95和?0.91；NA%与稳定度和ITS呈强负相关，均约为?0.97；NA%与流值和车辙深度呈强正相关，r分别为0.95和0.97。ANOVA显示NA含量对稳定度、流值、ITS和车辙深度均有显著影响，p值均低于0.001；η²分别为0.963、0.962、0.985和0.993。逐步回归建立的经验方程为：稳定度（lb）=3119.39?41.72(NA%)?17.70(VMA%)，R²=0.945；流值（0.01 in）=14.25+0.209(NA%)?1.59(单位重)，R²=0.897；ITS（lb/in²）=37.91?0.872(NA%)+0.436(AC%)，R²=0.946；车辙深度（mm）=9.29+0.199(NA%)?0.358(VMA%)，R²=0.940。PRESS分析的R²分别为0.944、0.893、0.943和0.934，支持回归方程预测一致性，并确认NA%在所有方程中均为主导预测变量。

随机森林回归建模（Random forest regression modeling）。通过RF回归建模发现，模型在训练阶段R²分别为0.992、0.994、0.997和0.999，对应稳定度、流值、ITS和车辙深度；测试阶段R²分别为0.962、0.951、0.984和0.992，MAPE均低于2.5%。5折交叉验证平均R²为0.937–0.990，标准差为0.003–0.023；泰勒图和残差分布进一步显示预测与实验值一致、误差无明显系统偏差、泛化能力较好且无显著过拟合。

可解释模型分析（Interpretable model analysis）。通过特征重要性和SHAP分析发现，NA%在所有RF模型中均为最具影响变量；AV%呈次要影响，尤其在稳定度和车辙深度模型中；AC%、VMA%和单位重影响相对较低。响应面分析显示，稳定度和ITS随NA%增加而降低，流值和车辙深度随NA%增加而增加；拟合R²分别为稳定度0.957、ITS 0.966、流值0.943、车辙深度0.973，表明存在非线性响应和交互效应。

讨论与工程意义（Discussion and engineering implications）。讨论认为，0%–24% NA使稳定度从2890降至1940 lb、ITS从39降至18 lb/in²，流值从10.9升至15.9（0.01 in），车辙深度从4.20升至9.70 mm，这与前人关于天然或低棱角集料降低抗变形能力、降低回弹模量的观察一致，如Albayati and Abdulsattar、Li 等。机理上，NA较低表面纹理和棱角性削弱内摩擦与荷载传递；Masad 等表明集料形状、棱角和纹理与HMA抗车辙相关，Pan 等报道紧密嵌锁骨架可改善抗车辙，Mohammad 等指出粗集料几何和矿物组成影响耐久性，Cui 等表明集料形态影响集料–结合料相互作用和骨架稳定性。关键贡献是实验、统计和XML结果一致：逐步回归提供简单经验关系，RF测试R²超过0.95且优于线性回归，说明存在非线性和交互效应。实际意义是快速筛选NA替代水平，识别易车辙混合料并优先安排进一步试验。增量分析显示，12%–16% NA为关键响应区间，流值增加+1.80（0.01 in）、车辙深度增加+1.85 mm、ITS降低?6.62 lb/in²；超过约12% NA时，若车辙和拉伸性能为关键设计考虑，应进行更密切实验室验证。研究局限为特定NA来源、一种结合料和恒定级配，未涵盖集料形态定量、水分敏感性、疲劳和长期老化；未来可扩展不同NA类型和结合料改性、纳入独立验证，并与XGBoost和CatBoost等先进机器学习算法比较。

结论与局限（Conclusions and limitations）翻译如下：本研究采用实验室试验、统计分析、逐步回归、随机森林（RF）建模和可解释分析技术组成的集成框架，研究NA含量对沥青混合料性能的影响。基于所得结果，可得出以下结论：增加NA%对沥青混合料力学性能产生负面影响，马歇尔稳定度和ITS随NA%增加而逐渐降低，流值和车辙深度增加，表明永久变形敏感性更高。相关分析揭示混合料组成变量与性能指标之间强关系，NA%与稳定度和拉伸强度呈强负相关，与流值和车辙深度呈强正相关，证实其对混合料行为的主导影响。逐步回归分析成功建立简化经验方程，能以高解释能力描述主要性能趋势，R²范围为0.897至0.946；所建立方程证实NA含量是最一致的控制变量，影响强度和变形相关响应。RF回归模型对所有性能指标表现出强预测能力，测试R²值均超过0.95，MAPE值低于2.5%；五折交叉验证和残差分析进一步证实校准模型的稳健性和泛化能力，无显著过拟合。特征重要性和SHAP分析一致表明NA%是控制沥青混合料性能的最具影响参数，而AV%表现次要影响，尤其对稳定度和车辙深度；相反，AC%、VMA%和单位重量在研究数据集范围内影响较低。基于RF预测响应的响应面分析成功可视化混合料变量与沥青性能特征之间的非线性交互效应；生成响应面显示增加NA%降低强度相关性能，同时增加变形相关响应，为混合料行为提供有效联合解释工具。基于RF的增量评价表明性能劣化不随NA替代增加均匀进展；从12%到16% NA的转变代表最关键响应区间，表明当车辙抵抗和拉伸性能为关键设计考虑时，NA含量超过约12%应进行更密切实验室验证。开发框架结合试验评价、统计分析、RF回归、特征重要性、SHAP分析和响应面可视化，提供混合料组成与沥青混合料性能关系的综合理解；所提出方法展示强预测和解释能力，支持更可靠和知情的沥青混合料设计决策。本研究局限于特定NA来源、一种结合料和恒定集料级配；此外，集料形态和耐久性相关响应，如水分敏感性、疲劳和长期老化，的定量表征超出当前范围。因此建议未来研究扩展实验数据库，研究不同NA类型和结合料改性，纳入独立验证以评估更广泛模型泛化能力；将开发的RF模型与先进机器学习算法，如XGBoost和CatBoost，进行基准比较可进一步提升其实用性。