基于可解释机器学习的钢渣沥青混合料体积膨胀及水稳定性预测
钢渣作为沥青路面集料替代材料时，其体积膨胀特性与水损害风险制约了工程应用。针对钢渣沥青混合料体积膨胀与水稳定性预测难题，构建了多因素耦合的机器学习预测模型。通过浸水膨胀试验与300组水稳定性测试(涵盖沥青类型、钢渣掺量、f-CaO含量、级配及环境条件变量)，构建了体积膨胀的反向传播神经网络(BPNN)模型和基于贝叶斯优化与交叉验证协同调参的水稳定性CatBoost预测模型，并采用SHapley Additive exPlanations(SHAP)理论解析了水稳定性的特征影响重要性和参数敏感性。
2025-11-20
7
4
16 页
