基于机器学习的沥青路面压实度质量评估

为了提高沥青路面压实度预测的准确率,基于机器学习对沥青路面进行压实度质量评估;通过对比实际工程中不同压路机在沥青路面上的振动规律,构建振动压路机-沥青路面系统动力学模型,利用Simulink数值仿真软件对所构建的模型进行仿真,设计8种工况,对比压实度计值、压实度控制值、机械驱动功率、滚轮综合刚度、填筑体能量、单位体积压实功率6个压实度质量评估指标在各工况下的适用性差异;采用支持向量机、逻辑回归、k最近邻、决策树、朴素贝叶斯法5种传统的机器学习方法对各工况下的压实度质量评估指标样本进行训练,对比压实度预测准确率;设计压路机在不同碾压次数时的碾压路线,对比分别采用最优压实度质量评估指标和单一压实度质量评估指标的压实度预测准确率。结果表明:不同压实度质量评估指标在不同工况下的适用性不同,即使在同一种工况下,不同碾压次数时的适用性也存在差异;采用最优压实度质量评估指标代替单一压实度质量评估指标,压实度预测准确率提高5.8%;在5种传统的机器学习方法中,朴素贝叶斯法预测最优压实度质量评估指标类型的准确率最高,为96.22%。