基于GA--ELM的水性环氧乳化沥青黏结性能预测

水性环氧树脂改性乳化沥青原材料组分较复杂,其黏结性能评价往往需要综合考量多重影响因素,试验量繁杂且耗时较长.为快速精准预测水性环氧树脂改性乳化沥青的黏结性能,优选水性环氧树脂、固化剂、乳化沥青等原材料技术指标及测试温度范围作为输入因子、黏结拉拔强度作为输出因子,基于遗传算法(GA)优化后的极限学习机(ELM)算法,建立水性环氧树脂改性乳化沥青黏结性能预测模型,通过与传统单隐层神经网络算法进行对比分析,验证预测模型准确度.结果 表明:GA--ELM模型具有更高的准确性和效率,可用来预测水性环氧树脂改性乳化沥青黏结性能,与BP、ELM模型相比,GA--ELM模型的误差分别降低了78.74％～79.67％和83.63％～87.41％.