基于主成分分析和神经网络的马歇尔试验模型

• 作者: 丁龙亭 刘梦梅 孙胜飞 张文刚 董仕豪
• 来源期刊: 公路
• 学科: 交通运输
• 关键词: 道路工程 马歇尔试验 主成分分析 BP神经网络 RBF神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 材料与试验
• 页码范围: 220-226
• 页数: 7页
• 分类号: U414.03
• 语种: 中文

摘要

为解决沥青混合料马歇尔试验存在的试验周期长、材料浪费等问题,文中基于主成分分析(PAC)、BP和RBF神经网络算法提出了一种沥青混合料马歇尔试验模型.首先,使用PCA对沥青混合料的合成级配参数和油石比进行变量降维,得到5个主成分;然后,将5个主成分作为神经网络模型的输入变量,稳定度和流值作为模型的输出变量,对模型进行训练;最后,将模型输出结果与实验室试验结果进行对比,验证模型的有效性.结果 表明,BP神经网络对稳定度和流值输出的平均相对误差为5.19％和2.61％,RBF神经网络为4.95％和6.67％;BP和RBF神经网络运行时间分别为0.557 s和0.962 s.