基于人工神经网络模型的路面沥青中间层间接抗拉强度预测
摘要
路面修复方法的选择应考虑到下层的结构承载力，以及在路面表面观察到的缺陷，从而减少修复区域再次发生的损坏。然而，它实际上是不可能在路面管理系统（PMS）的数据库中包含子层的结构承载力，因为这需要在所有高速公路路段进行额外的测试。因此，本文提出了一种基于人工神经网络的预测模型：对某高速公路沥青路面各路段中间层的间接抗拉强度（ITS）进行了研究。本研究以国际粗糙度指数、车辙深度、路面破损及等效单轴载荷为独立变量。在实验室测量了靶段取芯试样的ITS，并对靶段的PMS数据进行了分析，采集切片。通过在训练步骤之前进行前馈过程来预测ITS。当预测值与实测值之间的误差超过了允许误差，利用该方法对模型进行了重复训练弹性反向传播方法，直到误差在可接受的范围内。通过分析，验证了模型的正确性，从训练集和测试集的数据预测的ITSs之间的相关性。最后，对模型进行了补充，通过在目标截面上测量的ITS的相应最小值和最大值。
关键词：人工神经网络、间接抗拉强度、沥青路面、中间层、路面管理系统
1.简介
自1968年京畿道（Rt.1）的一部分开通以来，韩国高速公路的范围不断扩大，2018年达到4767公里。近年来，由于高速公路老化路面的劣化，路面养护费用大大增加。2017年，使用寿命超过10年的高速公路沥青路面长度增加了1864 km。但据预测，2021年将达到3981公里，是2017年的两倍多[3]。自1996年以来，韩国高速公路公司（KEC）一直运行路面管理系统（PMS），以更有效地管理老化的路面[4]。PMS每两年收集一次路面状况数据，如国际粗糙度指数（IRI）、车辙深度（RD）和整个路面路段的表面破损（SD），以及其他数据，如交通量，如图1所示。
仅通过路面状况调查无法发现损坏的根本原因，因为即使路面状况受到影响，也无法观察到路面以下的结构承载力。如果子层中的损伤没有得到完全修复，则子层中的损伤向上扩展可能会在路面上再次发生损坏。尽管如此，到目前为止，在PMS中，仅使用表面损伤来确定修复方法，而不考虑子层的结构承载力[5]。调查通过对沥青路面取芯试件的测试，可以将表层以下的沥青层（如中间层和基层）的力学性能作为一种考虑下层结构承载力的替代方法。然而，在整个高速公路沥青路面路段进行取芯和测试样本，以将结果纳入PMS数据库，实际上是不可能的，因为这将产生大量的时间和成本。
因此，需要一种方法来预测沥青路面亚层的力学性能，而无需取芯，并按照PMS的规定，在单位截面长度的每100m处测试样本。间接抗拉强度（ITS）与沥青路面的开裂、永久变形和老化密切相关，在美国《机械-经验路面设计指南》[6–8]中被用作性能预测模型的一个重要参数。在本研究中，由于中间层位于表层之下，与其他路面层相比，中间层对路面状况的影响最大，因此开发了一个预测中间层ITS的模型。在大多数情况下，可以测量中间层的ITS，而不考虑表面层的损坏。
