当今,建筑垃圾被越来越频繁的回收再利用。将建筑垃圾投入到道路工程进行路基填料的应用成了一种新型的建筑垃圾再利用渠道。然而,在将建筑垃圾投入到道路路基填料的应用过程中,现存的关于建筑垃圾结合料的承载力的相关研究较少。在实际工程中,承载力是路基填料的重要指标,承载力性能的优劣直接影响到路基工程的沉降程度、稳定性等性能。若承载力性能存在不确定性,会对建筑垃圾结合料的整体性能产生不可预测的影响。本文以杭州地区常见的建筑垃圾为例,在测定了材料的基本性能以后,首先探究了集料配比方式、击实次数、水泥砂浆掺量以及河砂配比四个常见的对建筑垃圾结合料承载有明显影响的因素单独作用下的建筑垃圾结合料承载力的CBR值,得到了各个因素单独影响下的建筑垃圾结合料的承载力的变化规律;然后利用灰色关联法和正交试验进行分析,通过计算得出各个指标对结合料的承载力的影响程度、最佳配比方式以及影响的显著程度。最后,利用数据插值、数据拟合以及灰色融合法和BP神经网四种预测方法,结合MATLAB软件,分别对单因素影响线下的结合料承载力和多因素影响下的结合料承载力进行了预测以及公式的探究。所得到的主要结论如下:(1)本次实验的材料来源于杭州余杭地区的建筑垃圾,经过手动剥分检测后发现,建筑垃圾的组成成分主要包括砖块、石块、木屑、地砖、铁屑以及其他微量物质。对各个组成成分进行称重比较后发现,砖块和石块的重量在建筑垃圾中的占比超过了 80%。为方便后续实验,并且考虑到实际路基填料工程中主要提供抵抗力的为砖块和石块,因此,我们假定建筑垃圾的组成成分只有砖块和碎石块。’(2)本文进行了结合料的配合比、击实次数、河砂的掺量以及水泥砂浆的掺量这四个影响指标单独影响时承载力的影响规律。经过CBR实验发现:对于配比方式,粗集料:中集料:细集料=4:2:4时,结合料的承载力性能最佳,而当细集料或者粗集料占比过大时,结合料的承载力性能会被减弱;结合料的承载力随着击实次数的增加,结合料的承载力呈线性上升的趋势;水泥砂浆的掺入能大大的提高结合料的承载力,而且在0.5%-2.5%的范围内,结合料的承载力随着水泥砂浆的掺量增加而提高,但是,掺量在达到1.5%之前,承载力提升效果明显,掺量超过1.5%以后,水泥砂浆对结合料的承载力的增强程度就逐渐的变得微弱了,因此从经济角度考虑,水泥砂浆的掺量应在1.5%左右;河砂能够填充结合料中存在的微小的缝隙,因此适量的掺入河砂能够在一定程度上提高结合料的承载力。(3)在进行了单个指标的影响规律探究之后,本文通过灰色关联法和正交试验探究了各个影响因素的影响程度。得到的结果为:击实次数对结合料承载力的影响最为紧密,其次为结合料本身的配合比;水泥砂浆掺量的影响程度次于配比方式和击实次数;河砂掺量影响程度最小。结合实际工程可知,当承载力不足时,最有效的做法是提高路基填料的压实度;若单独提高压实度不足以使承载力达到规范要求的标准,应当重新配置结合料的配合比以及掺入一定量(建议1.5%左右)的水泥砂浆;若施工地点靠近河边,也可以考虑掺入适量的河砂。(4)四种预测方法一数据插值和数据拟合、灰色融合法和BP神经网预测法都能对建筑垃圾结合料在不同因素影响的承载力进行预测。不同的是,数据插值和灰色融合法只适合对变化起伏不大的建筑垃圾结合料的承载力数据进行预测,一旦承载力随着因素改变的变动较大,预测值就会出现较大的误差,但是两种预测方式操作方便,所需要的参数较少,完成速度较快;BP神经网可以对多指标影响下的建筑垃圾结合料的承载力进行预测,但是操作复杂,需要参数较多;数据拟合可以探究出建筑垃圾结合料的具体变动规律,然而所得到的公式较为复杂,进行预测时较为麻烦。(5)综合来看,利用BP神经网对建筑垃圾结合料的CBR值进行预测是最为理想的刚发。BP神经网是一种学习计算网络,因此在实际工程意义较大,当所得到了当地各种结合料的数据后,进行参数输入,并根据参数的增加不断的让神经网进行学习。当累计到一定程度时候,便可以形成学习模块,在正式施工前就可以根据各种指标的具体数量进行承载力的预测,并保证较高的精度,因此可以再实际工程中节省大量的资源和金钱。