Zurück Vor

Detailergebnis zu DOK-Nr. 80505

Entwicklung eines Prognosemodells für die Tieftemperatur-Bruchenergie von Asphaltmischgütern unter Verwendung Maschinellen Lernens (Orig. engl.: Developing a prediction model for low-temperature fracture energy of asphalt mixtures using machine learning approach)

Autoren	D. Mirzaiyanrajeh E.V. Dave J.E. Sias P. Ramsey
Sachgebiete	11.1 Berechnung, Bemessung, Lebensdauer 11.2 Asphaltstraßen

International Journal of Pavement Engineering 24 (2023) Nr. 2, 2024185, 12 S., 10 B, 6 T, zahlr. Q. − Online-Ressource: verfügbar unter: https://doi.org/10.1080/10298436.2023.2024185

Kälterissbildung bei Straßenbefestigungen aus Asphalt entsteht durch höhere Zugspannungen in Asphaltmischgütern bei Kälte. Sie stellt in kalten Regionen ein signifikantes Problem und wesentliches Schadensmerkmal dar. Das USDOT und die Straßenbauverwaltungen der US-Bundesstaaten (DOTs) beschäftigen sich intensiv mit der Entwicklung verschiedener Modelle zur Ermittlung der Eigenschaften und der Prognose von Kälterissbildungen. In den im Bericht dargestellten Untersuchungen werden drei entsprechende Modelle vergleichend vorgestellt. Die dafür erforderlichen Mischgüter wurden auf Basis der Superpave-Prozedur konzipiert. Die Konzipierung beinhaltete verschiedene Bindemittel- und Gesteinskörnungstypen und Recyclinganteile. Die Modelle waren: Verbessertes vollständiges quadratisches Modell (AFQM) (1), Künstliches Neurales Netzwerk (ANN) (2) und Self-validated Ensemble Modelling (SVEM) (3). Zur Entwicklung der Modelle wurden 850 Bruchenergiedaten aus Versuchen verwendet. ANN und SVEM zeigten eine höhere Prognosegenauigkeit als AFQM.