基于改进黑翅鸢算法优化XGBoost的纤维增强沥青混合料动态模量预测

《Materials》:Dynamic Modulus Prediction of Fiber-Reinforced Asphalt Mixtures Based on XGBoost Optimized by an Improved Black-Winged Kite Algorithm

【字体: 大 中 小 】 时间:2026年08月30日 来源:Materials 3.7

编辑推荐:

  动态模量是沥青路面力学-经验设计中的关键刚度参数。传统实验室试验费时且成本高昂,而传统经验模型难以表征纤维引入的非线性黏弹性,现有机器学习方法则存在超参数过早收敛和可解释性有限的问题。为解决上述问题,本研究采用改进黑翅鸢算法(IBKA)优化极端梯度提升(XGB

  
动态模量是沥青路面力学-经验设计中的关键刚度参数。传统实验室试验费时且成本高昂,而传统经验模型难以表征纤维引入的非线性黏弹性,现有机器学习方法则存在超参数过早收敛和可解释性有限的问题。为解决上述问题,本研究采用改进黑翅鸢算法(IBKA)优化极端梯度提升(XGBoost),建立动态模量预测模型。引入高斯混沌映射、引导池策略和自适应步长以增强全局超参数优化能力。通过多条件试验编制了包含温度、频率、应变和纤维类别共288个样本的数据集。采用嵌套交叉验证(NCV)和独立测试集分别进行内部优化与泛化评估,置换检验(1000次蒙特卡洛,p < 0.001)证实了模型的统计可靠性。结果表明,IBKA–XGBoost具有优异的精度和鲁棒性,在NCV中RMSE为355.1248 MPa、R2为0.9966,在独立测试集上RMSE为373.5450 MPa、R2为0.9955。其在九项评价指标上均优于BKA–XGBoost、四种元启发式算法和三种常规调参策略;与BKA–XGBoost相比,RMSE降低23.9%,预测不确定性U95收窄23.7%。SHAP和PDP分析确定温度为主导因素,揭示纤维类型差异受模量匹配和界面相容性调控,并证实与时间-温度叠加原理一致的非对称温度-频率交互作用。所提出的框架有助于纤维筛选和路面材料的智能精细化设计。
**论文解读:基于IBKA优化XGBoost的纤维增强沥青混合料动态模量预测研究**

**一、研究背景与意义**

在重载交通增加和极端高低温气候频发的耦合条件下,传统沥青路面常出现车辙、开裂和疲劳破坏等早期病害。纤维增强沥青混合料凭借优异的阻裂增强、抗变形和抗疲劳性能,已成为高等公路路面性能改善的重要改性材料之一。动态模量(DM)是反映纤维增强沥青混合料黏弹性力学特性的首要指标,也是力学-经验路面设计系统中结构响应计算、性能预测和使用寿命评估的关键输入参数,其获取精度直接决定路面设计的合理性与可靠性。然而,现行DM主要通过标准化实验室试验获得,存在成本高、周期长的固有局限;传统经验或半经验模型(如Witczak、Hirsch和Al-Khateeb模型)以线性或准线性假设为基础,无法描述纤维引起的强非线性黏弹性行为,在纤维改性体系中预测误差显著;现有机器学习研究在纤维改性沥青混合料DM预测方面存在三点不足:一是缺乏针对纤维体系的系统研究且纤维类型未作为关键输入特征;二是XGBoost超参数组合依赖传统调参方法,效率低且易陷入局部最优;三是多数模型为"黑箱",可解释性分析不足,难以支撑材料精细化设计。因此,构建纤维增强沥青混合料高精度DM预测模型并揭示其多因素耦合机制,成为道路工程领域亟待解决的科学与工程问题。

**二、研究内容与方法概述**

研究人员提出一种改进黑翅鸢算法(IBKA),采用高斯混沌映射改善初始种群分布,引入引导池策略维持搜索方向多样性,设计自适应步长策略实现探索与开发间的平滑过渡,并利用IBKA优化XGBoost的九个核心超参数,建立IBKA–XGBoost动态模量预测模型。模型以试验温度、加载频率、应变水平和纤维类型为输入特征,动态模量为输出响应。数据集包含288个有效样本,源自SAC-13间断级配纤维增强沥青混合料的多工况动态力学分析(DMA)试验,涵盖聚乙烯 terephthalate 纤维(PET1)、聚酯纤维(PET2)、聚丙烯腈纤维(PAN)、聚乙烯醇纤维(PVA)和木质素纤维(CEL)共五种纤维类型及无纤维对照组,纤维掺量统一为0.3%,温度范围为?20至40 ℃,频率为0.1–80 Hz,应变水平为30–90 με。模型采用嵌套交叉验证(NCV)实现超参数校准与性能评估的数学分离,独立测试集自始至终严格隔离,仅用于最终泛化评价。同时结合SHAP(SHapley Additive exPlanations)和偏依赖图(PDP)进行可解释性分析。

**三、研究结果**

**NCV结果分析:** 五折NCV评估表明,IBKA–XGBoost在全部五项精度指标上均取得最优性能(RMSE = 355.1248 MPa,MAE = 251.4318 MPa,MAPE = 5.053%,R2 = 0.9966,MBE = 8.8316 MPa),较基准BKA–XGBoost的RMSE、MAE和MAPE分别降低23.9%、17.0%和20.5%。在不确定性方面,U95 = 705.8432 MPa,较BKA–XGBoost收窄23.7%;综合性能指标PI和SI亦为最低。

**消融实验:** 以原始BKA为基线的消融实验显示,三种改进策略(高斯混沌映射S1、引导池策略S2、自适应步长策略S3)各自均能有效提升基线模型性能,其中S1使RMSE降低7.6%,S2使绝对MBE减少72.8%,S3使MAPE降低17.4%。三者协同集成后RMSE总计降低23.9%,明显超过单策略增益的线性叠加(21.0%),验证了三模块间存在正向交互效应和协同增强作用。

**独立测试集验证与置换检验:** 在完全隔离的20%独立测试集上,IBKA–XGBoost保持最优预测精度(RMSE = 373.5450 MPa,MAE = 197.488 MPa,MAPE = 3.314%,R2 = 0.9955),较BKA–XGBoost的RMSE降低24.2%。值得注意的是,BO–XGBoost虽在NCV中表现良好,但在独立测试集上RMSE急剧增大34.4%至576.1087 MPa,泛化稳定性不足。1000次蒙特卡洛置换检验显示,模型实际RMSE位于零分布最左端,p < 0.001,排除了随机拟合的可能性。

**SHAP分析:** 全局特征重要性排序为:试验温度(贡献约52.5%)> 纤维类型(26.8%)> 加载频率(15.4%)> 应变水平(5.4%)。SHAP蜂群图进一步揭示:温度升高使SHAP值由正转负且高温区负向幅度骤增;频率在整个范围内SHAP值保持正值但在高频(>10 Hz)趋于饱和;纤维类型呈现三组分化——PET1和CEL为正效应簇,PET2、PVA和PAN为负效应簇,对照组居中。

**PDP分析:** 单变量PDP表明温度与DM呈单调负相关(?20至40 ℃内降低88.7%),频率呈单调正相关并在高频区逐渐饱和,应变仅呈弱负相关(总体降低11.4%),证明30–90 με严格处于线性黏弹性范围内。纤维类型边际效应排序为CEL > PET1 > 对照组 > PAN > PVA > PET2,其改性机制由模量匹配度、断裂伸长率、界面相容性和热收缩特性四种物理性能协同控制。双变量PDP揭示温度-频率交互作用最显著:低温区频率增强效应强于高温区,与时间-温度叠加原理一致;温度-纤维交互显示正效应纤维在升温过程中模量衰减更平缓,表明良好界面相容性可稳定高温性能;频率-纤维交互显示低频(<1 Hz)条件下负效应纤维模量衰减显著大于正效应纤维。

**四、结论与工程价值**

研究结论可归纳为:IBKA有效克服了原始BKA种群初始化不均匀、早熟收敛和步长调整固定等缺陷,在CEC2022基准函数测试中综合排名第一;IBKA–XGBoost在NCV和独立测试集验证中均实现高精度与高鲁棒性,且置换检验(p < 0.001)排除了随机拟合可能;温度和纤维类型是控制DM的两大主导因素;实际工程纤维筛选中,常规路段推荐优先顺序为CEL ≥ PET1 > 无纤维 > PAN > PVA > PET2,低频重载路段应优先选用PET1和CEL并严格避免PET2。该框架为纤维筛选和路面材料智能精细化设计提供了数据驱动的理论基础与技术支撑。该研究发表于《Materials》期刊。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号