基于主成分分析和神经网络的马歇尔试验模型

摘要

为解决沥青混合料马歇尔试验存在的试验周期长、材料浪费等问题,文中基于主成分分析(PAC)、BP和RBF神经网络算法提出了一种沥青混合料马歇尔试验模型。首先,使用PCA对沥青混合料的合成级配参数和油石比进行变量降维,得到5个主成分;然后,将5个主成分作为神经网络模型的输入变量,稳定度和流值作为模型的输出变量,对模型进行训练;最后,将模型输出结果与实验室试验结果进行对比,验证模型的有效性。结果表明,BP神经网络对稳定度和流值输出的平均相对误差为5.19%和2.61%,RBF神经网络为4.95%和6.67%;BP和RBF神经网络运行时间分别为0.557s和0.962s。