江苏大学学报(自然科学版)

作者：吕悦晶1,2,钱进1,刘渭宁3,汤文1,王进波2,薛永康2

单位：1. 武汉科技大学 汽车与交通工程学院， 湖北 武汉 430065； 2. 青海省公路局， 青海 西宁 810001； 3. 青海省交通规划设计研究院有限公司， 青海 西宁 810001

关键词： 沥青分类, 红外光谱, 光谱特征选择, 支持向量机, 线性判别分析, 机器学习

基金：青海省交通运输厅科技项目（2022-01）； 青海省重点研发与转化计划项目（2021-QY-207）

 为提高识别速率，采用傅里叶变换红外光谱（FTIR）结合机器学习技术对多种老化状态下沥青的类型与等级进行分析.首先基于衰减全反射红外光谱（ATR-FTIR）对多种老化状态下的72个沥青样本进行光谱特征提取，分别采用连续投影算法（SPA）、主成分分析（PCA）、特征峰吸光度分析对沥青光谱样本进行特征提取，并简化光谱数据；其次将上述光谱数据作为输入数据，分别采用支持向量机（SVM）和线性判别分析（LDA）建立分类模型；最后采用交叉验证和混淆矩阵进行模型评价.结果表明：基于光谱特征选择（SPA、PCA、特征峰吸光度）与LDA的组合模型，对沥青老化状态进行分类识别，识别准确率达到100%，交叉验证准确率超过98%；光谱特征提取与LDA的组合模型显著提高了泛化能力与分类准确性，能够有效区分多种老化状态下的沥青种类及其服役状态.

来源：2026年第1期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2026年第1期