Phân tích các yếu tố ảnh hưởng đến độ kim lún của nhựa đường biến tính Polyethylene dựa trên tiếp cận học máy

Tóm tắt

Nghiên cứu này trình bày một cách tiếp cận tiên tiến dựa trên học máy để phân tích các yếu tố ảnh hưởng đến độ kim lún của nhựa đường biến tính polyethylene (PE). Một bộ dữ liệu thực nghiệm toàn diện bao gồm 204 mẫu đã được tổng hợp từ các nghiên cứu trước đó, bao quát 7 biến đầu vào quan trọng: hàm lượng PE, điểm nóng chảy, loại PE, nhiệt độ trộn, thời gian trộn, tốc độ trộn và độ kim lún của nhựa đường gốc. Hiệu suất của năm thuật toán học máy (ExtraTrees, LGBM, Gradient Boosting, Bagging và AdaBoost) đã được đánh giá thông qua 30 mô phỏng Monte Carlo và xác thực chéo 5 lớp để đảm bảo tính ổn định và khách quan. Kết quả cho thấy mô hình ExtraTrees đạt hiệu suất vượt trội nhất với hệ số xác định R² = 0.982 và sai số RMSE = 6.473 trên tập dữ liệu kiểm tra. Kỹ thuật trí tuệ nhân tạo có khả năng giải thích thông qua biểu đồ phụ thuộc từng phần (PDP) đã làm rõ cơ chế tác động phi tuyến tính của các biến; trong đó, độ kim lún nhựa gốc (X7) và hàm lượng PE (X1) là hai yếu tố có ảnh hưởng quyết định nhất đến độ kim lún của nhựa đường biến tính PE. Cuối cùng, một giao diện người dùng trực quan đã được phát triển, cung cấp công cụ dự báo nhanh chóng và chính xác, giúp tối ưu hóa quy trình thiết kế nhựa đường cải tiến trong thực tiễn.