5月28日，國際知名期刊《Construction and Building Materials》（建筑材料）在線發(fā)表了我校工程機械學(xué)院博士生李宏偉的學(xué)術(shù)成果（Bayesian Optimization Based Extreme Gradient Boosting and GPR Time-frequency Features for the Recognition of Moisture Damage in Asphalt Pavement，中文名為基于貝葉斯優(yōu)化的XGBoost和時頻域特征的瀝青路面水損壞區(qū)域智能識別）。

《Construction and Building Materials》期刊由英國佩加蒙愛思唯爾科學(xué)有限公司出版，是建筑工程領(lǐng)域內(nèi)最具影響力和權(quán)威的期刊之一，該刊為中科院一區(qū)TOP期刊，IF為7.4。李宏偉為論文第一作者，導(dǎo)師為葉敏教授，工程機械學(xué)院張軍副教授和葉敏教授為共同通信作者，長安大學(xué)為第一署名單位。

水損害區(qū)域會在交通載荷和環(huán)境因素的耦合作用下加劇發(fā)展，最終降低路面使用壽命。由于水損害區(qū)域隱蔽性強、難以檢測，養(yǎng)護時難以準確根除病害區(qū)域，導(dǎo)致病害區(qū)域反復(fù)爆發(fā)，最終增大了處置面積和路面養(yǎng)護成本。因此，迫切需要一種快速、高效、準確的瀝青路面水損害識別方法，實現(xiàn)病害區(qū)域的精準養(yǎng)護。

針對探地雷達（GPR）數(shù)據(jù)解譯依賴人工經(jīng)驗判斷而存在主觀性和低效率的問題，該研究提出了結(jié)合水損害敏感特征和機器學(xué)習(xí)算法的水損害自動識別方法。利用正反演及現(xiàn)場實驗建立水損害數(shù)據(jù)集，采用先進的機器學(xué)習(xí)算法XGBoost和貝葉斯自動尋優(yōu)方法建了水損害分類識別的高精度模型，為瀝青路面的精準養(yǎng)護提供了科學(xué)依據(jù)。

該研究首先通過正演模擬、室內(nèi)實驗和現(xiàn)場試驗對比分析了水損害和正常路面在時頻域特征的表現(xiàn)，發(fā)現(xiàn)有分類效果但存在重疊現(xiàn)象，如下圖所示。

水損害和正常的時頻域表現(xiàn)

研究提出了反映水損害的時頻域特征，將多源數(shù)據(jù)集分別歸一化后再合成為最終數(shù)據(jù)集，增強了識別模型的泛化能力。為了提高模型速度及精度，提出組合識別策略，包括特征重要性方法選擇最敏感特征，貝葉斯超參數(shù)優(yōu)化后的XGBoost模型，以及高斯權(quán)重和尺寸連續(xù)的孤立結(jié)果過濾法，提高了水損害的識別精度，如下圖。

寧波高等級公路養(yǎng)護有限公司龔靖、長安大學(xué)材料學(xué)院田耀剛教授、西安工業(yè)大學(xué)趙良研究員、美國蒙特克萊爾州立大學(xué)王為田副教授、長安大學(xué)工程機械學(xué)院碩士生楊曉坤和西安強度所姜文濤為共同作者。

（審稿：范婷  網(wǎng)絡(luò)編輯：和燕）