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院博士生李宏偉的學術成果（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有限公司出版，是建筑工程領域內(nèi)最具影響力和權威的期刊之一，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，導師為葉敏教授，工程機械學院張軍副教授和葉敏教授為共同通信作者，長安大學為第一署名單位。

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，導致病害區(qū)域反復爆發(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，該研究提出了結合水損害敏感特征和機器學習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，采用先進的機器學習算法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，以及高斯權重和尺寸連續(xù)的孤立結果過濾法，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、長安大學材料學院田耀剛教授、西安工業(yè)大學趙良研究員、美國蒙特克萊爾州立大學王為田副教授、長安大學工程機械學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)絡編輯：和燕）