基于神經網絡的SBS 改性瀝青材料結構性能預測

高德勝

(中鐵十九局集團第三工程有限公司，遼寧遼陽 111000)

0 引言

隨著我國高速公路建設事業的迅猛發展，我國交通運輸對高速公路路面使用性能的要求越來越高。在高速公路行駛質量方面，由于高速公路行駛車輛的重載、超載現象日益嚴重，交通量的急劇加大，車輛荷載對路面加重了破壞影響;尤其是在我國東北部地區，四季溫差變化很大，瀝青路面經受著氣候條件變化的考驗，因此需要有性能良好的瀝青作為路面新型結合料[1]。

SBS改性瀝青是以丁二烯和苯乙烯為基本成分，由于聚苯乙烯鏈段S分布在兩端，分別聚集在一起，形成物理交聯區域，稱為硬段;而聚丁二烯B形成軟段。SBS通過聚苯乙烯嵌段的聚集形成一種三維結構，分散在瀝青中，聚苯乙烯末端賦予材料足夠的強度，中間嵌段聚丁二烯使共聚物具有特別好的彈性[2]。

本文通過大量的試驗結果分析SBS改性瀝青材料在不同溫度情況下的材料摻入量作為已知條件，利用BP人工神經網絡對改性瀝青材料混合料的針入度、延度、彈性恢復作為分析預測對象，并建立了預測模型。

1 BP神經網絡模型

基層SBS改性瀝青混合料的配合比存在非線性關系[3]。隨著科學技術的發展，MATLAB軟件提供了神經網絡工訓練和仿真的平臺，該網絡平臺由3部分組成，初始優化、訓練和仿真。其中BP神經網絡是一種多層網絡的“逆推”學習算法。其基本思想是，學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層傳入，經隱層逐層處理后傳向輸出層。若輸出層的實際輸出與期望輸出(教師信號)不符，則轉向誤差的反向傳播階段[4]。

1.1 網絡訓練模型結構設計

在網絡模型的建立過程中，網絡輸入變量為室內試驗得出的SBS改性瀝青材料的摻入量，將針入度、延度、彈性恢復作為網絡輸出，其中溫度包括30℃，25℃與15℃三類。為使計算模型的收斂速度加快，精度提高，在獲得輸入和輸出向量后，要對原始數據進行歸一化處理(見表1)，將原始數據處理成為在區間為[0，1]之間的數據。

歸一公式采用如下公式，即:

歸一后數據如表2所示。

1.2 隱含層內節點的選擇

在隱含層節點選擇方面，本文采用單隱層的神經網絡，在中間層的神經元個數選擇方面，則需要通過試驗來確定。本文為中間層神經元個數選擇3個值，分別取為8，10和12，通過不同神經元個數對網絡性能進行檢驗。

通過檢驗可知，隨著個數逐漸升高，計算的精度隨之增大。BP人工網絡訓練曲線如圖1所示。

由圖1并經過計算可以看出中間層神經元個數為10時，網路的收斂速度最優。

表2 輸入向量歸一后數據

2 數學模型檢驗與預測結果分析

在預測SBS改性瀝青混合料配比過程中，對12組數據進行訓練，并通過對其本身進行預測(見表3)，檢查預測結果的可信性，通過對12組試驗中取出全部數據作為樣本，并對網絡模型進行大量的學習訓練，并對12組數據進行對比分析，用于檢驗網絡的推廣能力。

表3 網絡訓練及預測結果

3 結語

1)運用神經網絡來建立預測模型，中間層數的選取非常重要，需經多次試算，才能確定最好的中間層數;

2)從預測結果可以看出，由于樣本數量有限，數學模型還是存在一定的誤差，在應用神經網絡預測中，可以通過加大樣本數量對數學模型進行大量的訓練來獲得理想的預測精度;

3)通過神經網絡模型來對SBS改性瀝青混合料的配比進行預測，可以將目標誤差調小，使網絡的泛化和推廣能力上升，所以在選擇訓練和預測誤差同時達到滿意結果的條件下使目標誤差值作為訓練參數。

[1]郭留紅.橡膠膠乳改性乳化瀝青稀漿封層在公路工程中的應用研究[D].大連:大連理工大學，2000.

[2]寧金成.瀝青橡膠碎石、玻璃纖維瀝青碎石混合料路面抗裂性能研究[D].長沙:湖南大學，2002.

[3]袁曾任.人工神經元網絡及其應用[M].北京:清華大學出版社，1999:1-84.

[4]呂硯山，趙正琦.BP神經網絡的優化及應用研究[J].北京化工大學學報，2001，28(1):67-69.

[5]MATLAB 7.0輔助神經網絡分析與設計[M].北京:電子工業出版社，2004.

[6]Wiegrink K，Marikunte Shashidhare.Shrinkage Cracking of Hight-Strength Concrete[J].AC materials journal，1996，93(5):409-415.