%0 Journal Article
%A 刘晋周
%A 张文轩
%A 王羽尘
%A 刘奇
%A 蔡明懋
%A 于斌
%T 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
%D 2025
%R 10.19721/j.cnki.1001-7372.2025.09.002
%J 中国公路学报
%P 16-31
%V 38
%N 9
%X 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。研究结果表明：钢渣沥青混合料的体积膨胀与混合料级配组成、f-CaO含量和浸水时间显著相关；CatBoost模型对残留稳定度与劈裂强度比TSR的预测精度最高，且能够有效反映预测误差，其中<i>R</i><sup>2</sup>>0.997，MSE<0.344 5；在影响水稳定性的材料因素中，钢渣粗集料f-CaO含量(SHAP均值2.05、1.21、1.17和4.62、1.44、0.77，下同)最为关键，其次为沥青类型(0.84、0.82)、钢渣掺量(0.36、0.32)和沥青含量(0.12、0.38)；钢渣f-CaO含量-沥青含量和f-CaO含量-钢渣掺量这2个特征组合对水稳定性存在交互作用；为满足水稳定性要求，建议沥青路面上面层钢渣掺量不宜超过75%，同时2.36、4.75、9.5 mm粒径钢渣的f-CaO含量阈值应分别控制在2.0%、2.25%和2.0%。研究成果可为钢渣膨胀控制和水稳定性预测提供理论支持，推动钢渣在沥青路面的资源化利用。
%U http://zgglxb.gfscw.cn/CN/10.19721/j.cnki.1001-7372.2025.09.002