基于BP神经网络的沥青混合料车辙动稳定度预测

摘要：介绍了BP神经网络原理，并以此建立模型对沥青混合料车辙动稳定度进行预测，实验结果表明，基于BP神经网络的沥青混合料动稳定度预测方法，预测精度较高，能够提高对沥青混合料抗车辙性能的预见性。

关键词：动稳定度；BP神经网络；预测

Abstract: This article introduces the BP neural network theory, on which modeling for forecasting the dynamic stability of the asphalt tracking. Laboratory rusult finds out that the forecast method for the asphalt dynamic stability on BP neural network has higher precision to improve the foreseeability for asphalt anti-tracking.

Keywords: dynamic stability; BP neural network; forecast

中图分类号：P632+.6 文献标识码： A 文章编号：

0引言

动稳定度是评价沥青混合料在规定条件下抵抗塑性流动变形能力的指标，它的大小直观反映了沥青混合料抗车辙能力的强弱。对于沥青混合料配合比设计，车辙试验都放在了试验最后面，当发现动稳定度不符合要求时，就要重新设计级配，重新试验，费时费力。有时候沥青混合料尽管在室内试验时其抗车辙性能满足要求，但由于现场施工的差异造成沥青混合料级配组成变化，从而不知道沥青混合料抗车辙性能是否满足规范要求。由于影响车辙的因素很多，很难用简单的数学拟合来进行车辙的预估。由于人工神经网络本身存在非线性，它能求解模式空间非常复杂、高度非线性的模式分类和模式识别问题，所以本文通过24组车辙试验结果，利用BP神经网络对其进行训练学习，建立动稳定度预估模型，然后利用已训练好的模型进行动稳定度的预测，根据预测结果初步判断沥青混合料的抗车辙性能是否满足要求，从而提高沥青混合料配合比设计的预见性。

1BP神经网络

BP 神经网络是一种由输入层、输出层及若干隐层的节点互连而成的一种多层前馈型网络，对于这种多层前馈网络的训练采用的算法是反向传播(Back Propagation，BP)算法，这种有导师学习方法，其基本思想是最小二乘算法。它利用根均方误差和梯度下降法来实现对网络连接权（权值和阈值）的修正。对网络权值修正的目的是使网络实际输出与规定的输出之间的根均方误差（Root Mean Squared Error，RMSE）最小。BP神经网络的主要特点是：能够巨量并行