Zurück Vor

Detailergebnis zu DOK-Nr. 76720

Entwicklung von Verhaltensprognosemodellen für Asphaltmischgüter auf der Basis von Maschinellem Lernen (Orig. engl.: Development of machine-learning performance prediction models for asphalt mixtures)

Autoren	E. Omer S. Saadeh
Sachgebiete	11.1 Berechnung, Bemessung, Lebensdauer 11.2 Asphaltstraßen

Advances in Materials and Pavement Performance Prediction II: Contributions to the Second International Conference on Advances in Materials and Pavement Performance Prediction (AM3P 2020), 27-29 May, 2020, San Antonio, Texas, USA. Leiden u. a.: CRC Press/Balkema, 2021, S. 36-39, 4 B, 1 T, 10 Q

Die häufigsten und gravierendsten Schädigungen an Straßenbefestigungen aus Asphalt sind Ermüdungsrissbildungen. Sie haben negative Auswirkungen auf das Kurz- und Langzeitverhalten von Asphaltbefestigungen und können bei Nichtbehandlung zu einem vollständigen Strukturverlust führen. In der im Bericht dargestellten theoretischen Studie wird die Auswirkung von Luftporen (AV), Bindemittelgehalt (AC), spezifischem Volumengewicht (BSG) und maximalem spezifischen Gewicht (Gm) des Asphalts auf die Ermüdungsrissbildung analysiert. Die für die Modellbildung erforderlichen Daten wurden von 13 Untersuchungsstrecken aus der Datenbank der Langzeitbeobachtungen (LTPP InfoPave) entnommen. Mit diesen Daten wurde zunächst eine multiple lineare Regression (MLR) mit der Minitab Software durchgeführt. Danach wurde das Random Forest Regressionsverfahren (RF) angewandt. Abschließend kam das Support Vector Machine Verfahren (SVM) zum Einsatz, das als Klassifikator und Regressor dient. Das aus der MLR entwickelte Modell bestätigt die signifikanten Zusammenhänge zwischen AV, AC, BSG, Gm und der Ermüdungsrissbildung. Die Verfahren RF und SVM validieren die Ergebnisse und bestätigen die Präzision des Modells.