SBS改性沥青关键性能预测方法研究

祖显威

(黑龙江农垦建工路桥有限公司，黑龙江 哈尔滨 150000)

1 前 言

由于不同种类、牌号和产地的SBS改性沥青物理性质和化学组成可能会有所差别，传统的建模方法为使模型定量准确，建模样品需要覆盖所要检测SBS和基质沥青样品种类，从而在建立模型时，需要配制大量标样进行建模工作，样品量一般在几十到几百个，导致建模工作量巨大；另外，模型建好后，如果待测SBS改性沥青种类不在模型范围内，可能会导致定量分析结果产生较大误差。而本方法首先采用S-G导数法、均值中心化、SNV等预处理方法对光谱进行预处理以消除或减弱环境、仪器等噪声的影响；再采用数据挖掘方法建立光谱与性质值之间的回归曲线，通过交互验证-留一法进行异常样品剔除，依据SEP(均方根误差)和最佳的预测效果选择最佳波长变量，将正确的光谱数据和性质数据留在库中，建立改性沥青快速预测定标数据库，方法只需不少于40个样本即可建立定量分析模型，用于未知样本检测时，可即时得到检测结果，且结果有较高的准确度。

光谱采集：采用FTIR-ATR衰减全反射傅里叶变换红外光谱仪采集样品光谱信息。每个样品重复测试三次，三次测试得到的谱图标准偏差不大于0.5%，如果偏差过大，则需要重新采集光谱图。

2 建立及验证SBS改性沥青软化点快速预测定标数据库

收集45个SBS改性沥青样本并采用标准推荐的方法检测其软化点数据，使用HF-03沥青快速分析仪采集样本红外光谱图，使用预处理方法对光谱进行预处理，然后采用数据挖掘方法将样本的光谱图和软化点基础数据相结合，建立软化点的定量工作曲线，建立SBS改性沥青软化点的定标模型的过程如下：

收集45个SBS改性沥青样品，使用标准推荐的方法检测其软化点数据，软化点数据见表1；

使用HF-03沥青快速分析仪采集样本红外光谱图；

(1)选择合适的光谱预处理方法对光谱进行预处理，以消除部分测量误差的影响；

(2)计算光谱与样品软化点之间的相关系数，根据光谱-性质相关图选择相关系数较大的光谱区间参加建模；

(3)在建模过程中，剔除异常样品和误差较大的样本，避免对模型产生的不利影响；

(4)采用均方根误差SEP、样本绝对偏差和相对偏差等模型评价方法对模型性能进行评价。要求SEP不大于标准分析方法的重复性和再现性误差。

SEP是用于评估所有样品的模型预测值与标准方法分析值之间差异的标准偏差。SEP越小，表明模型的预测能力就越强。SEP按公式1进行计算

(1)

建立的SBS改性沥青软化点快速预测定标数据库及验证情况如表1。

表1中，实测值为参考JTG E20-2011(T0606-2011)提出的方法检测得到的SBS改性沥青软化点数据，预测值为建立的定量分析模型留一法测得的值，绝对偏差为该样本实测值减去预测值得到的值，相对偏差为绝对偏差除以实测值得到的值，以百分数格式显示。通过比较实测值和测定值的偏差情况可以大致判断该定量分析模型的预测效果。以软化点数据的实测值为横坐标，预测值为纵坐标作图1，即为该定量分析模型的回归曲线，列出回归线的回归方程及R2于图中右下角位置。

图1 SBS改性沥青软化点回归线

以样本序号为横坐标，样本的绝对偏差为纵坐标作图，可以看出数据库内样本的偏差分布情况及样本预测情况，也可以反应该定量分析模型的预测效果。该定量分析模型SBS改性沥青软化点数据的偏差分布如下图2，样本软化点绝对偏差均匀分布在0两侧，且偏差均不大于2。

图2 SBS改性沥青软化点偏差分布图

所建立的SBS改性沥青软化点快速预测定标数据库统计信息列于表2中。

表2 SBS改性沥青软化点快速预测定标数据库统计信息

依据JTG E20-2011(T0606-2011)，检测SBS改性沥青软化点数据要求当试样软化点小于80 ℃时，重复性不大于1 ℃，再现性不大于4 ℃；当试样软化点大于或等于80 ℃时，重复性不大于2 ℃，再现性不大于8 ℃。

3 结 论

建立的SBS改性沥青软化点快速预测定标数据库库中样本软化点性质值小于80 ℃，且预测最大偏差为2 ℃，SEP(均方根误差)为1.05 ℃，远小于规范现有测试方法再现性允许偏差4 ℃的1.5倍，表明该定标数据库预测库中样本偏差较小，精确度较高，预测效果较好，可以用于实际样本的检测。