透水性沥青路面混合料配合比设计方法与路用性能研究的开题报告.docx

透水性沥青路面混合料配合比设计方法与路用性能研究的开题报告 一、选题背景 透水性沥青路面混合料是近年来发展起来的新型路面材料，它能够有效地减少城市内涝、改善城市环境和减少道路水损失等，因此受到了越来越多的关注。与传统路面混合料相比，透水性沥青路面混合料具有透水性好、噪音低、排水能力强、环保性好等特点。 透水性沥青路面混合料的配合比设计是制备优质透水性沥青路面混合料的关键步骤之一。目前，透水性沥青路面混合料配合比设计方法有很多，如有效矿料体积法、Marshall法等。但是，这些方法都依赖于试验室试验结果，处理过程繁琐且时间长，难以应用于工程实际。 因此，本文旨在研究一种基于统计学和人工神经网络的透水性沥青路面混合料配合比设计方法，以提高路面混合料的配合比设计精度和可靠性，提高透水性沥青路面混合料的性能和运用价值。 二、研究内容和技术路线 （一）研究内容 1. 分析透水性沥青路面混合料的特性和应用场景。 2. 统计学分析路面混合料配合比中有效矿料体积、沥青含量、空隙率等参数的相关性，找出对透水性沥青路面混合料性能的主要影响因素。 3. 针对有效矿料体积、沥青含量、空隙率等参数进行试验，获取透水性沥青路面混合料的力学性能、透水性能等指标。 4. 基于统计学分析和试验结果，建立透水性沥青路面混合料配合比的多元线性回归方程和人工神经网络模型。 5. 对比分析不同方法的配合比设计精度和可靠性。 6. 对比分析透水性沥青路面混合料配合比不同目标函数的影响。 （二）技术路线 1. 实验室试验法：根据JTG E20-2011《高速公路沥青路面试验规程》、GB/T 2763-2008《沥青路面材料密度、空隙率的测定》等标准进行实验室试验。 2. 统计学分析：对试验数据进行统计学分析，使用Pearson相关系数、ANOVA和多元线性回归分析等方法分析各参数与路面性能之间的相关性，确定优化指标。 3. 人工神经网络建模：采用Matlab软件，采集试验数据，其中70%作为训练数据，20%作为验证数据，10%作为测试数据，采用BP神经网络算法训练人工神经网络模型。 4. 配合比设计：根据统计学分析和人工神经网络模型结果设计透水性沥青路面混合料配合比。 5. 路用性能评价：在试验室进行透水性、力学性能评价，检测样品的透水性能、抗裂强度、极限抗压强度等指标，对比分析不同方法的配合比设计精度和可靠性。 三、预期成果 1. 建立基于统计学和人工神经网络的透水性沥青路面混合料配合比设计方法，提高配合比设计精度和可靠性。 2. 优化透水性沥青路面混合料的性能和运用价值。 3. 在实验室环境下通过力学性能、透水性能评价路面混合料的性能，为实际工程提供依据。 4. 对透水性沥青路面混合料配合比不同目标函数的影响进行研究，为相关材料研究提供理论依据。 5. 可以为相应领域的工程技术提供参考。