基于数据挖掘技术的提高公路路面质量的模型研究

　　摘 要：由于我国建设高速公路的历史不长，对高速公路路面寿命的客观规律的了解还不太全面、深入。因此需要对现有的试验数据进行研究分析，从中寻找提高高速公路路面质量的改进方案以延长高速公路路面的寿命。根据实践中获得的海量数据，利用数据挖掘等计算机技术进行处理，建立数学模型。还进一步挖掘出如何选择和配置原材料，才能提高高速公路路面质量。
　　关键词：冻融劈裂强度比；浸水马歇尔稳定度比；车辙；弯拉应变
　　中图分类号：TP311文献标识码：B
　　文章编号：1004-373X(2008)22-091-02
　　
　　Research on Improving the Quality of Pavement Model Based on Data Mining Technology
　　GUO Zinan,GENG Xiangyi,HU Moqian
　　(Institute of Software Technology,Dalian Jiaotong University,Dalian,116028,China)
　　Abstract：As our country′s construction of the highway with no long history，the understanding of objective law of highway pavement is not yet comprehensive,in-depth.Analysing the existing test data and finding the soulution of highway road improvements in the quality to extend the life span of highway pavement.Based on the practice of the massive data,using data mining technology,establishing a mathematical model.Further more,mining out how to choose and configure materials to improve the quality of highway pavement
　　Keywords：TSR;Marshal stability;rut;flexure tensile strain
　　
　　1 模型建立与求解
　　
　　1.1 模型的分析与建模
　　为得到影响高速公路路面质量的4个指标(冻融劈裂强度比、浸水马歇尔稳定度比、车辙、弯拉应变)和其他因素之间比较精确的模型，现仍采用统计回归模型。但是衡量路面的质量的4个质量指标的影响因素较多，关系也颇为复杂。
　　有些因素对多个指标均有影响，这样应当在使用统计回归模型的同时，结合其他方法分析、考虑这些因素的影响程度。
　　现使用参考数据挖掘中的分类算法编写的一个小型分类算法程序对数据进行分类分析。
　　1.1.1 使用分类算法对影响因素数据进行处理
　　处理分为2个部分:第一个部分为数据清洗操作，它的作用是将数据转换为可供分析算法处理的数据;第二部分为数据分类，它将根据某一类数据与其类型数据平均值的大小进行比较，然后进行分类。
　　表1即是通过对分类后的数据计算得出的，其中正比支持率为一定范围内，不是绝对的正比关系。
　　表1 分数后的数据处理结果
　　正比支持率油石比筛孔通过率VVVMAVFADP毛体积密度最大理论密度%Gmm最初%Gmm最大
　　TSR0.50.520.450.520.550.60.390.440.680.47
　　SO0.440.480.490.450.520.430.420.440.470.41
　　车辙0.420.440.50.440.470.450.410.390.520.52
　　弯拉应变0.620.520.520.610.610.470.520.560.590.59
　　1.1.2 TSR指标建模
　　(1) 模型的建立
　　Y ：TSR；X1 ：YSB(油石比)；
　　X2 ：TGL(筛选通过率)；X3 ：VV (空隙率)；X4 ：DP (粉胶比)；
　　Y=b0+b1*X1+b2*X2+b3*X4+b4*X4+ε；
　　其中，Y为被解释变量（因变量）；X1，X2，X3，X4为解释变量（回归变量,自变量)；b0，b1，b2，b3，b4回归系数；ε为随机误差（均值为零的正态分布随机变量）。
　　(2) 模型求解
　　b =130.184 8；0.089 8；-1.151 6；-9.893 2；
　　0.787 5；
　　(3) 结果分析
　　根据b的值，得出空隙率和TSR指标成反比，而粉胶比与TSR指标成正比，进一步印证了采用分类算法所得到的表1中TSR和DP的关系。
　　故得出：TSR指标和四个因素间的数学模型为:
　　TSR=130.184 8+0.089 8*YSB-1.151 6*
　　TGL-9.893 2*VV+0.787 5*DP
　　1.1.3 S0指标模型
　　结合TSR的分析同样采用空隙率、粉胶比、油石比、筛孔通过率来计算S0指标。
　　模型的建立及求解：
　　与TSR指标的处理比较一致，求解后得到的结果为：
　　b=91.721 9；-0.423 1；0.603 5；0.765 6；-4.380 3；
　　故得出：S0=91.721 9-0.423 1*YSB+0.603 5*TGL+0.765 6*VV-4.380 3*DP
　　1.1.4 车辙指标模型和弯拉应变指标模型
　　选取同样影响因素，使用统计回归模型，计算车辙和弯拉应变这2个指标可得：
　　车辙指标模型：CZ=12 012-9 558*YSB+6 628*TGL+15 353*VV-15 927*DP
　　弯拉应变模型：
　　WLYB=339.675 9+304.776 4*YSB-246.297 8*TGL+369.725 5*VV+737.663 6*DP
　　1.2 结合模型分析提高高速公路路面的质量方案
　　根据模型，同样的因素对不同的指标有不同的影响。提高集料的细度，可以提高抗水损害性能。而提高筛孔通过率会使弯拉应变性能降低，从而低温性能变差。这样应当对筛孔通过率选取一个合适的取值范围，使各个指标能够在一定条件下形成某种平衡。油石比在高温性能和低温性能之间有一定的影响，提高油石比可以相应的提高低温性能，但同时也降低高温性能原材料对路面性能的影响数据分析,经过对附件1 配合比报告统计作统计分析得出如图1所示。
　　
　　2 结果表达
　　
　　沥青、碎石质量对高速公路路面抗水损害、高温性能、低温性能都是有影响的。由以上分析得出不同型号的沥青由于其油石比、VV，VMA，VFA，DP、毛体积密度、最大理论密度、%Gmm(最初)、%Gmm(最大)不表现不同，导致TSR(%)、S0(%)、车辙、弯曲应变存在不同程度的差异。如70#道路石油沥青、SBS改性沥青、韩国SK70#对车辙和弯曲应变的平均值分别1 441.4，4 645.7，3 517.6及2 291.4、3157.6、2369.4表明改性沥青的性能明显优于普通沥青。而这4项试验指标中TSR(%)，S0(%)反映了混合料抗水损害性能；车辙能够反映抗车辙性即其高温性；弯曲应变能力则反映了混合料的低温性能。选择酸性较大，蜡含量小的及粘合力较大的能够防止高温水使沥青剥落，同时，沥青路面负荷载裂缝时低温核疲劳裂缝与沥青的品质相关，主要是沥青的温度敏感度和针入度，针入度指标越高，温度敏改性越低，高粘度沥青的温度敏感性较低；在相同石灰岩性的条件下，对影响高速公路路面质量有影响的因素所作的平均影响度的统计同样能得出其对影响高速公路质量的4个指标存在不同程度的差异，矿粉质量中碎石如果能达到最佳含水量能保证少出或者不出裂缝；通过沥青稳定碎石低温特性实验分析得出不同的混合料的温度应力比和弯曲应变能力不同。
　　图1 统计图
　　
　　参考文献
　　［1］曾建军.MATLAB与数学建模.合肥：安徽大学出版社,2005.
　　［2］葛折圣,黄晓明,许国光.用弯曲变能方法评价沥青混合料的低温抗裂性能.南京：东南大学,2002.
　　［3］欧阳岚,邵腊庚,谢晶.沥青混合料车辙试验研究.中南公路工程,2006,31(6):34-36,41.
　　［4］毕玉峰,张宏超.马歇尔试验曲线特性分析.山东交通学院学报,2006,14(3):80-83.
　　［5］宋继增,李聚立,张周平.沥青混合料高温性能影响因素分析.中国市政工程,2007(17):80-82.
　　［6］郭庆琳,吴慧芳.粗糙集数据挖掘及其在汽轮机故障诊断中的应用.现代电子技术,2006,29(13):74-77.
　　
　　作者简介 郭子南 男，1981年出生，大连交通大学在读硕士研究生。研究方向为Java及相关技术。
　　耿祥义 男，1962年出生，大连交通大学教授，博士后。研究方向为Java及相关技术。
　　胡墨谦 男，1983年出生，大连交通大学在读硕士研究生。研究方向为数据挖掘。
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文