Detailergebnis zu DOK-Nr. 82356
Vorhersage des Tieftemperaturverhaltens von Asphalt mittels FTIR-Spektren unter Verwendung einer vergleichenden Modellierungsstrategie (Orig. engl.: Prediction of asphalt low-temperature performance of FTIR spectra using comparative modelling strategy)
| Autoren |
Z. Yang B. Su H. Ding Y. Qiu D. Zhong |
|---|---|
| Sachgebiete |
9.0 Allgemeines, Prüfverfahren, Probenahme, Güteüberwachung 9.1 Bitumen, Asphalt |
Road Materials and Pavement Design 26 (2025) Nr. 4, S. 912-927, 6 B, 4 T, zahlr. Q. − Online-Ressource: verfügbar unter: https://www.tandfonline.com/journals/trmp20
In der Arbeit wurden die partielle kleinste Quadrate-Regression (partial least square regression (PLSR)) und künstliche neuronale Netze (ANN) verwendet, um drei Indizes für Temperaturabgesenkte Asphalte vorherzusagen: der "low-temperature performance grade“ (LTPG), der "low-temperature grade loss“ (LTGL) und das sogenannte "critical tip opening displacement“ (CTOD). Der LTPG definiert dabei die Mindesttemperatur, bei der das Bitumen noch keine thermischen Spannungsrisse im Asphalt verursacht. Der LTGL beschreibt, wie stark die Kälteresistenz eines Bitumens durch Alterung beeinflusst wird und der CTOD ist ein Maß für die Elastizität von Asphalt bei Rissausbreitung. Die Ergebnisse der Studie zeigen, dass beide Modelle eine hohe Vorhersagegenauigkeit erreichen, insbesondere wenn die zweite Ableitung als Datenvorverarbeitung verwendet wird. Anhand der Variable-Importance-Projection-Analyse des PLSR-Modells wurden die maßgeblichen Einflussfaktoren auf LTPG, LTGL und CTOD identifiziert: thermisch-oxidative Alterung, Gehalt an unkristallinem Wachs sowie Gehalt an kristallinem Wachs. Im Vergleich zu den PLSR-basierten Modellen weisen die ANN-Modelle eine deutlich höhere Prognosegenauigkeit auf, die durch die Wahl geeigneter Funktionen weiter verbessert werden kann. Der Bland–Altman-Vergleich beider Modelltypen zeigt, dass ANN insbesondere beim LTPG eine deutlich bessere Vorhersagegenauigkeit bietet, während die Genauigkeit bei LTGL begrenzt ist. Für CTOD erweist sich das ANN als weniger geeignet, da es bei spröden Asphalten zu systematischen Überschätzungen neigt.