沥青作为路面建设基础材料,其质量直接影响着整条道路的性能、使用周期等。道路施工现场对沥青质量严格把控是保证道路有效建设的前提,其中,确保运输到的等级沥青满足规范要求是道路工程师面临的首要问题。目前对等级沥青的鉴定主要采用一些复杂的物理和化学方法,如:动态剪切流变实验、凝胶渗透色谱法等,但这些方法都存在耗时、不便捷等缺点,难以满足道路施工现场快速且精准的要求。作为一种便捷高效且低成本的分析技术,衰减全反射傅里叶变换红外光谱(ATR-FTIR)逐渐被用于食品监管、工业检测等领域。在此背景下,本论文研究一种全新的等级沥青快速鉴定方法,该方法以ATR-FTIR光谱为沥青数据载体,以机器学习算法为核心,构建等级沥青鉴定模型。受采集条件的影响,原始光谱通常存在毛刺噪点、基线偏移、光线散射等噪音,需要对光谱进行预处理。通常,S-G平滑被用来消除光谱毛刺噪点,散射矫正和标准正态化被用来缓解光线散射影响,导数矫正被用来消除基线偏移。由于不同光谱预处理提升光谱质量的能力是各有侧重点的,为获取最优预处理方法,本文构建了不同的光谱预处理策略。根据不同预处理策略的主成分分析,得到:于等级沥青的ATR-FTIR光谱而言,S-G平滑+散射矫正+标准正态化是最优光谱预处理的结论。为了弥补单一特征提取方法难以全面提取等级沥青光谱特征的缺陷,本文提出了基于多维度特征融合重构方法提取光谱有效特征。该方法主要从特征选择和特征融合两方面多维度提取光谱特征,最后将多方法提取的多角度特征进行二次融合,构建最终等级沥青光谱有效特征。实验结果表明:本文提出的多角度融合特征比单个算法提取的特征更能表征等级沥青之间的差异。此外,针对竞争性自适应重加权算法存在偏最小二乘法系数有效性问题,本文提出一种改进的算法,该算法在原有的基础上对偏最小二乘法进行多次提升,得到的变量重要度评价指标更加客观。获取有效特征后,考虑施工现场复杂多变的环境,建立性能好且泛化能力强的鉴定模型是最为关键一步。Stacking集成学习具有平滑性好、突出最优基模型性能淡化不佳基模型的优点,建立的模型有效且稳定。故本文利用Stacking集成方法对三种典型的分类器(支持向量机、随机森林、极端提升树)进行模型融合,建立等级沥青鉴定模型。对比实验结果表明:多分类器融合模型在交叉验证和测试集中分别取得100%和99.21%的准确度,其性能高于融合之前的单分类模型,且泛化能力更强。综上所述,本文从沥青光谱预处理、光谱特征提取和鉴定模型构建三方面建立一套完善的等级沥青鉴定方法,该方法可以用于我国常见石油等级沥青快速鉴定,为沥青质量监管提供重要手段和依据。