老化に強いゴム改質アスファルトの性能予測とプロセス最適化：強化型BPニューラルネットワークと多目的NSGA-IIによるアプローチ

科学分野:

• 材料科学
• 土木工学
• 計算知能

背景:

• 老化に強いゴムアスファルトの性能予測は、複雑なパラメータと特性の関係のため困難です。
• 生物学的着想アルゴリズムは、材料科学における予測精度の向上に可能性を提供します。

研究 の 目的:

• 老化に強いゴムアスファルトの多目的予測のための、生物学的着想アルゴリズムとニューラルネットワークを統合したハイブリッドモデルの開発と評価。
• アスファルト性能に影響を与える主要な調製パラメータを特定し、安定性と耐性を高めるための最適化。

主な方法:

• バックプロパゲーション（BP）ニューラルネットワークへのクレステッドヤマアラシ最適化（CPO）およびフンコロガシ最適化（DBO）の統合により、CPO-BPおよびDBO-BPモデルを作成しました。
• 影響力のある要因と特徴の相互作用を特定するためのShapley Additive Explanations（SHAP）の適用。
• 非優位ソート遺伝的アルゴリズムII（NSGA-II）を用いた最適化と、原子間力顕微鏡（AFM）による微細構造特性評価。

主要な成果:

• CPO-BPモデルは、標準BPおよびDBO-BPモデルと比較して優れた予測精度を示しました。
• 混合温度が、わだち掘れ抵抗、延性、および耐老化性に影響を与える最も重要な要因として特定されました。
• 混合温度とせん断時間との間の相乗効果、およびゴム含有量と温度との間の結合効果が観察されました。

結論:

• ハイブリッド生物学的着想ニューラルネットワークモデルは、老化に強いゴムアスファルトの性能予測のための堅牢なフレームワークを提供します。
• データ駆動型予測と多目的最適化は、高性能材料の合理的な設計に不可欠です。
• パラメータの相互作用を理解することは、多様な性能要件に対応するためにアスファルト特性を最適化するための鍵となります。