張海濤， 姜海洋

（1．東北林業(yè)大學(xué)土木工程學(xué)院，黑龍江哈爾濱 150040；2．中國科學(xué)院力學(xué)研究所，北京 100190）

基于神經(jīng)網(wǎng)絡(luò)的瀝青路面實(shí)際老化預(yù)測系統(tǒng)的研究

張海濤1， 姜海洋2

（1．東北林業(yè)大學(xué)土木工程學(xué)院，黑龍江哈爾濱 150040；2．中國科學(xué)院力學(xué)研究所，北京 100190）

在實(shí)驗室測定瀝青短期老化數(shù)據(jù)基礎(chǔ)上，利用MATLAB建立BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，通過瀝青路面實(shí)際老化數(shù)據(jù)調(diào)查與處理，用國內(nèi)幾個地區(qū)不同使用年限的瀝青路面實(shí)際老化25℃針入度數(shù)據(jù)訓(xùn)練，預(yù)測得到寒區(qū)瀝青路面不同使用年限的瀝青25℃針入度等瀝青路面實(shí)際老化數(shù)據(jù)，為建立瀝青模擬老化與實(shí)際老化的關(guān)系提供理論依據(jù)。

瀝青路面； 瀝青老化； BP神經(jīng)網(wǎng)絡(luò)； 針入度

瀝青路面在行車荷載及自然因素的長期作用下，瀝青發(fā)生老化，使路面性能下降。瀝青老化分為短期老化與長期老化，瀝青短期老化可以較方便地在室內(nèi)模擬測定，但瀝青長期老化需要數(shù)年，因而不能及時測定其指標(biāo)。測定不同使用年限瀝青路面瀝青老化技術(shù)指標(biāo)對瀝青路面建設(shè)及養(yǎng)護(hù)具有理論與實(shí)用價值，因此，快速預(yù)測瀝青路面長期老化，通過瀝青短期模擬老化建立與瀝青路面長期老化的關(guān)系具有重要的意義。

美國SHRP技術(shù)瀝青膠結(jié)料旋轉(zhuǎn)式薄膜加熱試驗（RTFOT）或薄膜加熱試驗（TFOT）是模擬熱拌及施工過程中的瀝青短期老化，快速加壓老化試驗（PAV）是模擬瀝青路面使用5～10 a后的老化狀態(tài)，可以看出，只有PAV可以模擬瀝青路面長期老化，但模擬不夠全面，尚不能準(zhǔn)確模擬不同地區(qū)不同使用年限的瀝青路面長期老化狀況，因此，PAV不能很好地滿足瀝青路面建設(shè)及養(yǎng)護(hù)要求。另一方面，觀測不同使用年限瀝青路面老化狀況需要較長時間數(shù)據(jù)積累，而瀝青路面實(shí)際老化研究相對較少。本研究基于神經(jīng)網(wǎng)絡(luò)技術(shù)通過一定瀝青路面老化數(shù)據(jù)預(yù)測更多不同地區(qū)不同使用年限瀝青路面老化數(shù)據(jù)，建立瀝青路面實(shí)際老化預(yù)測系統(tǒng)及瀝青模擬老化與實(shí)際老化的關(guān)系［1－2］。

1 瀝青路面老化數(shù)據(jù)調(diào)查與處理

通過調(diào)查國內(nèi)幾條主要瀝青路面實(shí)際老化狀況，得到了5組不同地區(qū)不同使用年限瀝青路面老化25℃針入度數(shù)據(jù)，通過對數(shù)據(jù)處理，得到不同地區(qū)不同使用年限瀝青針入度及殘留針入度比數(shù)據(jù)，即當(dāng)年針入度與原樣瀝青針入度的比值，同時去掉一些不合理數(shù)據(jù)，最終數(shù)據(jù)如表1及圖1所示［3－4］。

表1 不同地區(qū)不同使用年限瀝青路面實(shí)際老化針入度及殘留針入度比Table 1 The penetration and ratio of remaining penetration of asphalt aging in field in the pavement

Fig．1 The curve of asphalt aging in field in different using time pavement in different zone圖1 不同地區(qū)不同使用年限瀝青路面實(shí)際老化數(shù)據(jù)變化

2 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行信息處理的數(shù)學(xué)模型［5－6］，它由大量神經(jīng)元和相互間的連接組成，一般結(jié)構(gòu)為輸入層、隱含層、輸出層，每個神經(jīng)元是一個特殊的函數(shù)，稱為“激勵函數(shù)”，兩個相鄰神經(jīng)元的連接值表征了相互的連接強(qiáng)度，稱為“權(quán)值”，網(wǎng)絡(luò)輸出取決于神經(jīng)元的連接方式、激勵函數(shù)和相應(yīng)權(quán)值。

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，可應(yīng)用于用數(shù)學(xué)方法難以準(zhǔn)確建模的非線性系統(tǒng)，利用已有輸入、輸出數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，使其能表達(dá)未知函數(shù)，并利用該網(wǎng)絡(luò)預(yù)測系統(tǒng)輸出，其結(jié)構(gòu)如圖2所示。

Fig．2 Structure of BP neural network圖2 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)算法流程如圖3所示，X1，X2，…，Xn是神經(jīng)網(wǎng)絡(luò)的輸入值，Y1，Y2，…，Ym是輸出值（預(yù)測值），ωij，ωjk分別為輸入層與隱含層、隱含層與輸出層的連接權(quán)值，輸入層、隱含層、輸出層分別有n，l，m個神經(jīng)元，即網(wǎng)絡(luò)結(jié)構(gòu)為n－l－m。

Fig．3 Calculating procedure of BP neural network圖3 BP神經(jīng)網(wǎng)絡(luò)算法流程

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程如下：

（1）網(wǎng)絡(luò)初始化

輸入輸出數(shù)據(jù)（X，Y）確定網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)n，隱含層節(jié)點(diǎn)數(shù)l，輸出層節(jié)點(diǎn)數(shù)m，神經(jīng)元激勵函數(shù)后，初始化連接權(quán)值ωij，ωjk，初始化隱含層及輸出層閥值a，b，設(shè)定學(xué)習(xí)速率、神經(jīng)元激勵函數(shù)。

（2）計算隱含層輸出H

式中，f為隱含層激勵函數(shù)，n為輸入層節(jié)點(diǎn)數(shù)，l為隱含層節(jié)點(diǎn)數(shù)。

（3）計算輸出層輸出O

式中，m為輸出層節(jié)點(diǎn)數(shù)。

（4）計算網(wǎng)絡(luò)預(yù)測誤差e

式中，Y為期望輸出，O為預(yù)測輸出。（5）更新網(wǎng)絡(luò)連接權(quán)值ωij，ωjk

式中，η為學(xué)習(xí)速率。

（6）更新閥值a，b

（7）判斷算法迭代是否結(jié)束

若未結(jié)束，則返回（2）。

3 瀝青路面實(shí)際老化數(shù)據(jù)預(yù)測

3．1 BP神經(jīng)網(wǎng)絡(luò)的建立及訓(xùn)練

MATLAB軟件將矩陣作為數(shù)據(jù)處理的基本單位，MATLAB神經(jīng)網(wǎng)絡(luò)工具箱以神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，用MATLAB語言構(gòu)造出多種神經(jīng)網(wǎng)絡(luò)及典型的激活函數(shù)、網(wǎng)絡(luò)學(xué)習(xí)規(guī)則，本文的BP神經(jīng)網(wǎng)絡(luò)就是利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)的。

3．1．1 訓(xùn)練數(shù)據(jù)

（1）輸入數(shù)據(jù)

已有瀝青路面實(shí)際老化數(shù)據(jù)來自國內(nèi)5個不同地區(qū)（如表1所示），利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測哈爾濱地區(qū)的不同使用年限瀝青路面實(shí)際老化數(shù)據(jù)，影響瀝青老化的環(huán)境因素主要有溫度（高溫）、光照（以紫外線為主）、與空氣的接觸（以氧氣、臭氧為主）等，因此，收集相關(guān)地區(qū)高溫、緯度等數(shù)據(jù)，此外，也將收集降水量、低溫及高低溫循環(huán)等數(shù)據(jù)（如表2所示），輸入數(shù)據(jù)采用道路使用年限、高溫、低溫、多年平均凍結(jié)指數(shù)、年平均降水量等5個變量。xmin分別為數(shù)據(jù)序列中的最大值和最小值。

表2 各地區(qū)1960～2000年氣溫數(shù)據(jù)Table 2 Data of different zone（1960～2000）

（2）輸出數(shù)據(jù)

輸出數(shù)據(jù)為1個變量，即25℃針入度。

（3）數(shù)據(jù)歸一化

各維數(shù)據(jù)數(shù)量級不同，易造成較大的網(wǎng)絡(luò)預(yù)測數(shù)據(jù)誤差，因此需要將輸入、輸出數(shù)據(jù)轉(zhuǎn)化為［0，1］間的數(shù)，即數(shù)據(jù)歸一化，采用極值法，MATLAB數(shù)據(jù)歸一化函數(shù)形式如下3．1．2 建立BP神經(jīng)網(wǎng)絡(luò) 根據(jù)輸入數(shù)據(jù)與輸出數(shù)據(jù)，確定神經(jīng)網(wǎng)絡(luò)輸入、輸出層節(jié)點(diǎn)數(shù)分別為5，1，隱含層層數(shù)和節(jié)點(diǎn)數(shù)根據(jù)訓(xùn)練效果確定，考慮到訓(xùn)練數(shù)據(jù)數(shù)量及精度，確定隱含層、輸出層節(jié)點(diǎn)傳遞函數(shù)分別為正切S型傳遞函數(shù)tansig與線性傳遞函數(shù)purelin，訓(xùn)練函數(shù)為trainlm，網(wǎng)絡(luò)學(xué)習(xí)函數(shù)為learngdm。

網(wǎng)絡(luò)訓(xùn)練時，設(shè)定迭代次數(shù)為100，學(xué)習(xí)率為0．1，訓(xùn)練誤差目標(biāo)0．000 04。數(shù)據(jù)儲存在data．mat文件中，input為訓(xùn)練輸入數(shù)據(jù)，output為訓(xùn)練輸出數(shù)據(jù)，inputpre為預(yù)測輸入數(shù)據(jù)，訓(xùn)練輸入輸出數(shù)據(jù)為18組。

為比較訓(xùn)練效果，采用輸出訓(xùn)練均方誤差MSE、平均相對誤差er、網(wǎng)絡(luò)預(yù)測輸出與期望輸出對比圖、網(wǎng)絡(luò)預(yù)測數(shù)據(jù)圖像，相關(guān)函數(shù)如下：

式中，n為訓(xùn)練數(shù)據(jù)組數(shù)，y為期望輸出數(shù)據(jù)，y′為預(yù)測輸出數(shù)據(jù)。

根據(jù)實(shí)際訓(xùn)練效果，并加以比較，確定采用2個隱含層，各8個節(jié)點(diǎn)，因此BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為5－8與8－1。

3．2 預(yù)測結(jié)果

根據(jù)均方誤差MSE、平均相對誤差er與實(shí)際數(shù)據(jù)的比較，預(yù)測結(jié)果選擇r1，r2兩組數(shù)據(jù)作為哈爾濱地區(qū)瀝青路面實(shí)際老化數(shù)據(jù)，相關(guān)訓(xùn)練效果如圖4所示，預(yù)測結(jié)果如表3及圖5所示。

Fig．4 The network prediction and output（r1and r2）圖4 網(wǎng)絡(luò)預(yù)測與期望輸出（r1與r2）

表3 預(yù)測結(jié)果r1與r2Table 3 The predicting results r1and r2

Fig．5 The predicting results of ratio of remaining penetration and penetration（r1and r2）圖5 殘留針入度比及針入度預(yù)測結(jié)果r1與r2

4 瀝青模擬老化與實(shí)際老化關(guān)系

采用盤錦AH－90瀝青做試樣，用普通烘箱在165℃及通風(fēng)狀態(tài)下經(jīng)5，12，24，48，72，120 h進(jìn)行瀝青老化實(shí)驗，然后測定不同老化時間瀝青15，25，30℃針入度和10℃延度，實(shí)驗結(jié)果如表4所示［7－8］。

表4 實(shí)驗室瀝青老化試驗結(jié)果Table 4 Results of asphalt aging in lab

基于上述瀝青路面實(shí)際老化預(yù)測系統(tǒng)數(shù)據(jù)，通過實(shí)驗室瀝青老化模擬數(shù)據(jù)可以與實(shí)際預(yù)測數(shù)據(jù)建立相關(guān)關(guān)系，通過數(shù)學(xué)回歸分析，發(fā)現(xiàn)數(shù)據(jù)有較好的相關(guān)性，得到了瀝青模擬老化與實(shí)際老化時間的對應(yīng)關(guān)系式：

5 結(jié)束語

（1）建立了利用神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測不同地區(qū)不同使用年限瀝青路面實(shí)際老化預(yù)測系統(tǒng)，通過具體瀝青路面老化數(shù)據(jù)預(yù)測結(jié)果，證明了方案的可行性，為相關(guān)研究提供了方法。

（2）利用神經(jīng)網(wǎng)絡(luò)預(yù)測的哈爾濱地區(qū)瀝青路面實(shí)際老化數(shù)據(jù)，建立了瀝青模擬老化與瀝青路面實(shí)際老化的時間關(guān)系。

（3）預(yù)測數(shù)據(jù)表明，瀝青路面實(shí)際老化速率在第1 a最大，瀝青路面使用10 a左右老化基本不再進(jìn)行（即瀝青達(dá)到極限老化狀態(tài)）。

（4）實(shí)現(xiàn)了瀝青模擬與實(shí)際老化時間的換算，在實(shí)驗室快速得到瀝青路面不同時間老化數(shù)據(jù)成為可能，為相關(guān)研究提供參考。

［1］ 交通運(yùn)輸部．公路瀝青路面設(shè)計規(guī)范（JTG D50－2006）［S］．北京：人民交通出版，2006．

［2］ 沈金安．瀝青及瀝青混合料路用性能［M］．北京：人民交通出版社，2001．

［3］ 伍育鈞．瀝青老化模擬方法與驗證研究［J］．公路交通科技，2007，36（4）：36－38．

［4］ 張倩．自然因素作用下瀝青老化化學(xué)機(jī)理分析［J］．西安建筑科技大學(xué)學(xué)報，2004，36（4）：457－460．

［5］ 史峰．MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析［M］．北京：北京航空航天大學(xué)出版社，2010．

［6］ 袁曾任．人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用［M］．北京：清華大學(xué)出版社，1999．

［7］ 劉軍．遼河AH－90瀝青老化組分變化研究［J］．沈陽建筑工程學(xué)院學(xué)報，2004，20（2）：127－129．

［8］ 交通運(yùn)輸部．公路工程瀝青及瀝青混合料試驗規(guī)程（JTG E20－2011）［S］．北京：人民交通出版社，2011．

（Ed．：WYX，CP）

Predicting System of Asphalt Aging in Field Based on the Neural Network

ZHANG Hai－tao，JIANG Hai－yang
（1．College of Civil Engineering，Northeast Forestry University，Harbin Heilongjiang 150040，P．R．China；2．Institute of Mechanics，Chinese Academy of Sciences，Beijing 100190，P．R．China）

9 April 2012；revised 8 July 2012；accepted 10 August 2012

Based on the data of the asphalt aging simulated in lab，through the data collection of the asphalt aging in the field，the BP neural network system was established by MATLAB to train the data of the asphalt 25℃penetration in the different using time asphalt pavement from different regions in China，and predicted the 25℃penetration of the different using time asphalt pavement aging in the field in cold zone．The theoretical method for the relationships between asphalt aging simulated in lab and aging in field has been put forward．

Asphalt pavement；Asphalt aging；BP neural network；Penetration

．Tel．：＋86－451－82125671；e－mail：zht3810＠yahoo．com．cn

TE968；U416．216

A

10．3969／j．issn．1006－396X．2012．05．01812

2012－04－09

張海濤（1963－），男，黑龍江哈爾濱市，教授，博士。

黑龍江省交通廳重點(diǎn)項目（T1102）。