近日，宜賓學院凌會坤博士與重慶交通大學以及悉尼大學合作，在國際知名期刊《Construction and Building Materials》（《建造與建筑材料》）上發表題為“Predicting the fracture load of asphalt concrete under TPB test using POA-optimized machine learning methods”（基于POA算法優化的機器學習方法對瀝青混凝土三點彎曲斷裂荷載的預測）的研究論文。該論文成功將機器學習算法與優化算法結合，為瀝青混凝土斷裂性能預測提供了創新解決方案，標志宜賓學院在機器學習的工程應用研究水平持續提升。凌會坤博士為該論文的第一作者，宜賓學院為第二署名單位。據悉，該期刊2024年最新影響因子為7.0，是中科院工程技術大類一區Top期刊，位于JCR一區。
瀝青混凝土作為高土石壩防滲核心材料以及路面材料，其斷裂行為直接影響工程安全。傳統三點彎曲試驗依賴物理測試，存在成本高、周期長等局限。本研究團隊引入機器學習技術，通過骨料級配、試樣尺寸、孔隙率等多參數建模，實現對斷裂峰值荷載的高效預測。研究采用鵜鶘化算法對隨機森林、多層感知機等四種模型進行超參數優化，顯著提升預測精度與魯棒性。優化后的模型預測誤差降低40%，其SHAP可解釋性分析進一步揭示瀝青混凝土三點彎曲的峰值荷載關鍵影響因素，為材料配比設計提供科學指導。該論文基于“機器學習+斷裂力學”融合框架，優化模型的有效斷裂能（Keff）預測精度遠超傳統MTS/MTSN準則，尤其在混合加載模式下誤差減少超50%。這一成果不僅驗證了機器學習在復雜材料行為建模中的潛力，更通過算法可解釋性打通了理論研究與工程實踐的壁壘。
當前，全球材料研究正加速擁抱人工智能，本研究為瀝青混凝土性能預測提供新的思考，也為道路、大壩等基礎設施的智能運維發展提供了新的思路。同時，該論文為團隊探索遷移學習在工程管理、項目管理等場景中的應用奠定了基礎。隨著深度學習模型輕量化與邊緣計算技術的發展，此類算法有望嵌入工程經濟預算、風險評估與預警等方向。
該研究由重慶市水利科技項目（CQSLK-2023006），國家自然科學基金項目（52378327）與宜賓學院培育項目（2023PY07）支持。(供稿/凌會坤 編輯/王穎）
全文鏈接: https://www.sciencedirect.com/science/article/pii/S0950061825007287?dgcid=coauthor
