【技术实现步骤摘要】
一种马歇尔试件稳定度和流值的测试方法
本专利技术属于道路工程
，涉及一种马歇尔试件稳定度和流值的测试方法。
技术介绍
近年来人工智能技术正迎来发展的第三个热潮，其中常用的人工神经网络技术在不同专业领域也越来越受到人们的重视。神经网络技术在货币、金融股票分析方面已取得了较好的成果，但其在道路工程中的应用相对较少。由于马歇尔试验操作简单方便，我国将其作为密级配沥青混合料配合比设计的主要方法，它也是是确定沥青混合料设计油石比的重要依据。通常在做完马歇尔试验以后，加载过后的试件并不能做到回收利用，而是当作废料丢弃，造成了材料的浪费。此外，在缺乏试验条件的时候，也并不能方便的得出试件的稳定度和流值。目前也有利用BP神经网络，以沥青混合料的组成成分作为BP神经网络模型的输入因子，对沥青混合料的流值和稳定性进行预测，但其选用的输入因子相对较少，并不能很好的得到满足精度的输出结果，且没有对模型的输入因子进行研究，也没有对建立的模型进行定量评价，从而并不能证明模型具有较高的鲁棒性。
技术实现思路
本专利技术的目的是提供一种沥青混合料马歇尔试件稳定度和流值的测试方法，解决了现有技术...
【技术保护点】
1.一种马歇尔试件稳定度和流值的测试方法，其特征在于，包括以下步骤：第一步：选取若干组沥青马歇尔试件作为实验样本总体，记录实验样本的体积参数和物理指标；第二步：对第一步收集到的样本数据进行处理，剔除异常值，进行归一化处理；第三步：判断样本数据的相关性，计算第二步归一化数据的相关系数，并得到相关系数矩阵；若符合数据降维的条件，则利用主成分分析，对数据进行降维处理，然后再对神经网络进行训练和预测；如果不符合降维条件，则进行第四步处理；第四步：在保证满足各个油石比范围的样本都存在的前提下，分别选取神经网络训练集的样本数据和作为测试集的样本数据；第五步：利用MATLAB分别建立BP...
【技术特征摘要】
2018.02.22 CN 20181015422121.一种马歇尔试件稳定度和流值的测试方法，其特征在于，包括以下步骤：第一步：选取若干组沥青马歇尔试件作为实验样本总体，记录实验样本的体积参数和物理指标；第二步：对第一步收集到的样本数据进行处理，剔除异常值，进行归一化处理；第三步：判断样本数据的相关性，计算第二步归一化数据的相关系数，并得到相关系数矩阵；若符合数据降维的条件，则利用主成分分析，对数据进行降维处理，然后再对神经网络进行训练和预测；如果不符合降维条件，则进行第四步处理；第四步：在保证满足各个油石比范围的样本都存在的前提下，分别选取神经网络训练集的样本数据和作为测试集的样本数据；第五步：利用MATLAB分别建立BP神经网络模型和RBF神经网络模型；第六步：将训练集数据输入第五步所建神经网络模型进行训练；第七步：利用第六步训练完毕的神经网络模型对测试集数据进行仿真模拟，连续预测若干次，取其平均值作为最终预测结果；第八步：计算BP神经网络模型和RBF神经网络模型第七步所预测数值的相对误差和决定系数，最后，根据决定系数对模型的选取有如下3个方案：(1)若两个模型的决定系数相差悬殊，则取较好者作为最终结果；(2)若两个模型的决定系数都具有部分优势，则结合两个模型，取各自优势部分作为最终结果；(3)若两个模型对马歇尔试件的流值和稳定度测试的决定系数相差不大，则取两个模型的平均值作为最终结果。2.根据权利要求1所述的一种马歇尔试件稳定度和流值的测试方法，其特征在于，第一步中，记录的体积参数和物理指标包括马歇尔试件的油石比、沥青含量、空气中的质量、水中重、表干重、吸水率、密度、孔隙率、矿料间隙率以及沥青饱和度。3.根据权利要求1所述的一种马歇尔试件稳定度和流值的测试方法，其特征在于，第二步中归一化处理的公式为：其中x为归一化之前的样本的体积参数和物理指标，y为归一化之后的样本的体积参数和物理指标。4.根据权利要求1所述的一种马歇尔试件稳定度和流值的测试方法，其特征在于，第三步中，判断样本数据的相关性，利用公式：其中x为归一化之后的样本的体积参数和物理指标，i＝1～n，j＝1～n，i≠j；n为样本包含的体积...
【专利技术属性】
技术研发人员：董仕豪，丁龙亭，何璐，黄可，姚杨宜，田中男，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。