ty -jour a2 -Castori，Giulio au -Wang，Chaohui au -Tan，Songyuan au -Chen，Qian au -han，jiguo au -song -song，liang au -fu -fu，yi py，yi py -2021 da -2021/06/09 ti--09 ti--09 ti--09 ti-09 ti-高模块沥青混合物SP -9944415 VL -2021 AB -2021 AB -Dynamic Modulus的动态模量预测是高模块沥青混合物的关键评估指数，但要测试和收集其数据相对难以实现。目的是实现对高模子沥青混合物的动态模量的准确预测，并进一步优化了高模子沥青混合物的设计过程。选择了五个高温沥青及其混合物的高温性能指数。分析了上述五个索引与高模子沥青混合物的动态模量之间的相关性。在此基础上，通过多个回归，通用回归神经网络（GRNN）和支持向量机（SVM）神经网络建立了基于小样本数据的高模块沥青混合物的动态模量预测模型。根据参数调整和交叉验证，比较和评估了不同预测模型的输出稳定性和准确性。建议使用最有效的预测模型。结果表明，与多元回归模型和GRNN模型相比，SVM模型具有更明显的预测准确性和输出稳定性。它的预测误差为0.98–9.71％。 Compared with the other two models, the prediction error of the SVM model declined by 0.50–11.96% and 3.76–13.44%. The SVM neural network was recommended as the dynamic modulus prediction model of the high-modulus asphalt mixture. SN - 1687-8086 UR - https://doi.org/10.1155/2021/9944415 DO - 10.1155/2021/9944415 JF - Advances in Civil Engineering PB - Hindawi KW - ER -