基于MARS-POA方法的沥青混凝土回弹模量多因素建模与预测研究

《Scientific Reports》：Advanced statistical modeling of loading waveform, frequency, temperature, and SBS modification effects on asphalt concrete resilient modulus

　　

摘要

回弹模量（Mr）是基于不同破坏准则进行柔性路面设计的最重要参数之一。回弹模量试验测量沥青混凝土在重复荷载作用下的可恢复弹性应变，因此提供了一个与刚度相关的参数，该参数受温度和荷载条件的影响。由于试验成本高昂且耗时，沥青混凝土的Mr通常在特定温度和荷载频率下测量；因此，需要预测模型来预测其他温度和荷载频率下的Mr值。本研究旨在提出一个考虑荷载波形、荷载频率、温度和SBS改性四个参数的框架，用于沥青混凝土Mr的建模与预测。为此，采用了三种高级统计技术，包括基因表达式编程（GEP）、响应面法（RSM）以及混合多元自适应回归样条-鹈鹕优化算法（MARS-POA）。SBS、荷载波形、温度和荷载频率被用作输入参数。对所开发模型的统计比较表明，MARS-POA方法的表现优于其他方法。训练数据和测试数据的R²值分别为0.9973和0.9732。温度的相对重要性最大，而波形对Mr的影响最小。此外，还校准了对应不同波形类型以及SBS改性混合料与对照混合料的主曲线，以便将MARS-POA模型的结果与主曲线的结果进行比较。