Detailergebnis zu DOK-Nr. 81658
Deep-Learning-Ansatz zur Vorhersage von chemo-rheologischen Eigenschaften von Bitumen (Orig. engl.: A deep learning approach to predicting chemo-rheological properties of bitumen)
| Autoren |
M. Khadijeh A. Varveri S. Erkens |
|---|---|
| Sachgebiete |
9.1 Bitumen, Asphalt |
Bituminous Mixtures and Pavements VIII: Proceedings of the 8th International Conference on Bituminous Mixtures and Pavements, ICONFBMP, Thessaloniki, Greece, 12-14 June 2024. Boca Raton: CRC Press, 2024, S. 138-149, 5 B, 2 T, zahlr. Q
Das Verstehen der chemischen und rheologischen Eigenschaften von Bitumen unter variierenden Alterungsbedingungen ist entscheidend für die Optimierung des Designs und der Performance von bitumenhaltigen Materialien. Die Studie stellt ein Deep Neural Network (DNN) Modell vor, um den komplexen Schermodul (G*) und den Phasenwinkel (delta) von frischem, kurzzeit- und langzeit-gealtertem Bitumen vorherzusagen. Das DNN-Modell integriert 11 Eingabeparameter, darunter physikalische Eigenschaften, chemische Zusammensetzung, DSR-Prüffrequenz und -temperatur sowie Alterungskonditionierung. Es wurden zusätzlich statistische Tests durchgeführt, um die wesentlichen Parameter, die (G*) und (delta) beeinflussen, zu ermitteln. Das DNN-Modell erzielte eine hohe Vorhersagegenauigkeit von 98 % für (G*) und 96 % für delta und übertraf die statistischen Tests bei der Identifizierung der Korrelationen, der Rangfolge und der Bestimmung der wichtigsten Parameter, die die rheologischen Eigenschaften beeinflussen.