用于预测沥青混凝土刚度和抗车辙性能的可解释人工智能：整合贝利集料级配法

本研究采用可解释人工智能（XAI）技术分析不同集料级配的沥青混凝土行为，重点关注通过车辙试验测得的回弹模量（MR）和动稳定度（DS）。该研究利用具有多层感知器架构的深度学习模型，基于贝利方法得出的集料级配参数，包括粗集料比（CA）、细集料粗比（FAc）以及其他混合料设计变量，来预测MR和DS。模型的性能通过k折交叉验证进行了验证，证明其准确度优于其他机器学习方法。应用SHAP（SHapley Additive exPlanations）值来解释模型的预测，为不同级配特性对沥青混凝土性能的相对重要性和影响提供了见解。关键发现包括识别出关键的集料尺寸阈值，特别是0.6毫米筛孔尺寸，它对MR和DS均有显著影响。研究揭示了集料性能的尺寸依赖性，其中粗集料主要影响抗车辙能力，而中细集料影响刚度。研究还强调了集料岩性在决定抗车辙能力方面的重要性。为便于实际应用，开发了用于预测MR和DS的基于网络的界面，并整合了可解释特征以增强结果的透明度和解读。这项研究提供了一种数据驱动的方法来理解集料级配与沥青混凝土性能之间的复杂关系，有望为未来更高效、更注重性能的混合料设计过程提供信息。