基于分子动力学与XGBoost-Attention-MLP融合模型的沥青混合料多尺度性能预测及可解释性研究

《Developments in the Built Environment》:Multi-scale performance prediction and interpretability study of asphalt mixtures based on molecular dynamics and XGBoost-Attention-MLP fusion model

【字体: 大 中 小 】 时间:2026年07月13日 来源:Developments in the Built Environment 8.7

编辑推荐:

  针对传统机器学习模型预测稳定性不足及沥青改性机制宏微观分析脱节的问题,研究人员采用具备优异界面与力学性能的石墨烯构建了集成分子动力学模拟、室内试验与机器学习的多尺度研究框架。结果表明,以石墨烯等质量替代矿粉可使界面结合能提升18.6%,分子扩散系数降低21.4

  
针对传统机器学习模型预测稳定性不足及沥青改性机制宏微观分析脱节的问题,研究人员采用具备优异界面与力学性能的石墨烯构建了集成分子动力学模拟、室内试验与机器学习的多尺度研究框架。结果表明,以石墨烯等质量替代矿粉可使界面结合能提升18.6%,分子扩散系数降低21.4%;同时石墨烯通过抑制沥青分子极性团聚使自愈合效率提高12.4%。配对t检验证实所提出的XGBoost-Attention-MLP融合模型预测误差显著低于单一模型(p<0.05),整体相对误差控制在2.0%以内。研究人员进一步通过沙普利加性解释(SHAP)量化了微观参数贡献度与阈值效应,为改性沥青混合料的智能化设计提供了可靠策略。
本研究发表于《Developments in the Built Environment》,聚焦于道路工程中沥青混合料性能提升与多尺度机理解析的关键科学问题。当前交通荷载增长与服务环境复杂化导致传统沥青路面面临水损害、高温车辙与疲劳开裂等多重病害,石墨烯因优异力学与界面特性成为改性研究热点,但现有研究存在两大瓶颈:其一,宏观性能评价与微观机理分析割裂,缺乏微观界面参数与宏观路用性能的定量关联;其二,传统机器学习模型多采用单一算法与纯试验数据集,存在小样本过拟合风险、泛化能力不足与物理可解释性差等局限。为此,研究人员构建了分子动力学(MD)模拟-宏观试验-机器学习融合的研究范式,旨在揭示石墨烯改性沥青混合料的微纳作用机制,建立高精度性能预测模型,为材料智能设计提供支撑。
研究采用的核心技术方法包括:构建普通沥青混合料(OAM)、石墨烯改性沥青混合料(GAM,石墨烯掺量为沥青质量的0.4%)与石墨烯替代矿粉沥青混合料(AGM,等质量替代)三类体系;采用BIOVIA Materials Studio 2023开展MD模拟,选用COMPASS II力场计算界面结合能(Ebond)、内聚能密度(CED)、剪切模量、分子扩散系数(D)与自愈合活化能(Ea)等微观参数;依据中国行业标准JTG 3410-2025开展残留稳定度(RS)、冻融劈裂强度比(TSR)、动态稳定度(DS)、自愈合效率(SHE)与断裂能(FE)等宏观性能测试;采用皮尔逊相关分析与方差膨胀因子(VIF)检验特征多重共线性后,构建XGBoost、Attention-MLP及二者加权融合的预测模型,并通过沙普利加性解释(SHAP)实现模型可解释性分析。
研究结果部分,研究人员首先通过分子动力学模拟揭示了三类体系的微观参数演化规律。在接触界面相互作用参数差异方面,AGM体系的Ebond较GAM体系提升11.39%,CED达159.3 MPa,显著高于OAM体系的144.2 MPa,表明石墨烯通过增强范德华力与静电作用提升了界面结合强度,且替代矿粉方式的效果优于改性沥青方式。在力学与分子运动参数变化规律方面,AGM体系的剪切模量与体积模量分别为3766.410 GPa与2168.159 GPa,是OAM体系的4.0倍与3.4倍,归因于石墨烯-集料-沥青三元界面的协同增强效应;径向分布函数(RDF)分析显示,GAM体系分子极性基团短程聚集程度最低,D值为0.0045 ?,分子运动由定向迁移转变为石墨烯锚定位点附近的随机振动,有效抑制不可逆变形累积。在等温区间内分子扩散动力学差异与自愈合活化能本征特征方面,GAM体系的Ea最低(28.4 kJ/mol),分子扩散增量最小,实现了扩散能力与愈合效率的最优平衡;AGM体系因Ea最高(34.2 kJ/mol),初期分子迁移受抑,长期热加载下仍可通过界面分子重排实现高效自愈合。
随后,研究人员完成了宏观性能测试数据集构建与机器学习模型验证。宏观试验结果显示,GAM体系的RS、TSR、DS、SHE与FE分别为91.11%、94.21%、6730次/mm、47.33%与3584.26 J/m2,综合性能最优;单因素方差分析证实三类体系性能差异均具有统计学显著性(p<0.05)。在单一模型预测精度与特征差异方面,XGBoost模型对DS的预测决定系数(R2)达0.8156,但对FE的预测R2仅0.5123,归因于其对多因子非线性耦合关系的捕捉能力不足;Attention-MLP模型通过多头注意力机制自适应学习特征交互,将SHE与FE的预测R2分别提升至0.9734与0.8303,但对DS等高量级指标的拟合偏差较大。在融合模型训练优化与预测效果验证方面,基于逆误差加权策略构建的XGBoost-Attention-MLP融合模型,使RS、SHE与FE的相对预测误差控制在2.0%以内;配对t检验表明融合模型的预测误差显著低于单一模型(p<0.05),平均绝对误差(MAE)降至122.75,验证了融合策略的统计显著性与工程适用性。
讨论与结论部分,研究人员指出本研究构建的MD-试验-ML一体化框架有效弥合了微观机理分析与宏观工程设计间的鸿沟。核心结论包括:GAM体系中石墨烯通过π-π堆积与氢键锚定沥青分子,重构分子聚集态,降低扩散各向异性;AGM体系中石墨烯作为夹层填料形成稳定三元界面,显著提升力学刚度;石墨烯作用模式决定Ea大小,GAM体系低Ea实现分子迁移与自愈合的平衡;融合模型在小样本条件下实现了微观参数与宏观性能的精准映射,为石墨烯改性沥青混合料的快速性能预测提供了可靠工具。研究局限性在于数据集规模有限,未来需结合更多胶结料、集料类型、石墨烯掺量及复杂服役环境数据进行验证,以进一步提升模型的普适性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号