摘要
为缩短传统沥青混合料设计研发周期并为配合比优化提供可靠支撑,基于数据驱动,提出利用机器学习预测沥青混合料设计流程中的马歇尔试件体积指标和性能指标。选取原材料关键性能联合配合比作为机器学习的输入变量,结合低方差筛选和主成分分析方法降维输入变量。采用随机森林(RF)、支持向量机(SVR)、反向传播神经网络(BPnet)、Boosting+cart 4种算法,结合网格搜索超参数优化方法,建立预测模型。结果表明,RF和Boosting+cart表现出更好的性能,综合这2种算法的预测结果,R^(2)大于0.87,MAPE小于7%。
出处
《交通科技》
2025年第6期21-27,共7页
Transportation Science & Technology
