[发明专利]一种基于机器学习的沥青动态黏弹特性预测方法

权利要求书

1.一种基于机器学习的沥青动态黏弹特性预测方法，其特征在于所述方法包括如下步骤：

步骤一：采用动态剪切流变仪、元素分析仪、红外光谱仪对不同沥青样本进行测试，建立基于CAM模型的动态模量主曲线，获取样本的元素含量及红外光谱曲线；

步骤二：选择各个样本的动态模量主曲线移位因子参数C₁、C₂，形状参数k、m_e，玻璃态动态模量G_g，以及交叉频率f_c构建宏观特征参数数据集，选择各个样本的C、H、N、S、O元素含量，C/H与C/N及红外光谱特征峰峰高与峰面积构建微观特征参数数据集；

步骤三：利用均值化方法对数据集数据进行去量纲处理，计算经均值化处理后数据的方差；

步骤四：计算步骤三得到的微观特征参数的Pearson相关系数，基于主成分分析对选取的具有较大Pearson相关系数的微观特征参数进行降维，替换为较少的新特征参数V₁、V₂…；

步骤五：计算步骤二选取的动态模量主曲线拟合参数与步骤四处理后的微观特征参数间的距离相关系数，确定与动态模量主曲线拟合参数有较大相关性的微观特征参数为模型输入变量，并以此组建一一对应的新的宏微观数据集；

步骤六：将步骤五组建的数据集按照9:1的比例划分成训练集与测试集，选择适当的核函数类型搭建基于支持向量机的沥青动态黏弹特性预测模型，基于训练集数据进行沥青动态黏弹特性预测模型训练，并借助网格搜索法和交叉验证法优化模型参数；

步骤七：基于测试集数据检验步骤六中训练好的沥青动态黏弹特性预测模型，以平均绝对百分比误差测试沥青动态黏弹特性预测模型的准确性。

2.根据权利要求1所述的基于机器学习的沥青动态黏弹特性预测方法，其特征在于所述步骤一中，所测试的不同沥青样本包括：不同标号的沥青、不同油源的沥青、掺加不同改性剂的沥青、是否经过老化的沥青中的几种。

3.根据权利要求1所述的基于机器学习的沥青动态黏弹特性预测方法，其特征在于所述步骤三中，均值化方法的公式如下：

其中，x′_i为特征参数去量纲后的值，x_i为特征参数原始值，为特征参数对应所有样本下的均值。

4.根据权利要求1所述的基于机器学习的沥青动态黏弹特性预测方法，其特征在于所述步骤六中，支持向量机将输入空间的变量x，y映射至高维特征空间中，在高维空间找出变量之间的非线性关系，从而找到一个最优函数f(x)，f(x)的公式如下：

其中，x_i·x为核函数，α_i、b为模型参数。

5.根据权利要求4所述的基于机器学习的沥青动态黏弹特性预测方法，其特征在于所述核函数类型包括：线性核函数、多项式核函数、高斯核函数、sigmoid核函数中的一种。

6.根据权利要求1所述的基于机器学习的沥青动态黏弹特性预测方法，其特征在于所述步骤七中，平均绝对百分比误差的公式为：

其中，y_i为测试值，f(x_i)为预测值。