>
Fa   |   Ar   |   En
   تعیین عدد سازه‌ای موثر روسازی بر اساس شاخص ناهمواری و خرابی سطحی با استفاده از مدل‌های رگرسیون و شبکه عصبی  
   
نویسنده فخری منصور ,شهنی‌ دزفولیان رضا
منبع پژوهشنامه حمل و نقل - 1397 - شماره : 57 - صفحه:207 -221
چکیده    اطلاع از وضعیت سازه ای روسازی می تواند نقش موثری در پیاده سازی و اجرای یک سیستم مدیریت روسازی کارآمد داشته باشد. تعیین عدد سازه ای موثر می تواند در طراحی، بهسازی و تعمیر و نگهداری، تعیین مقاطع همگن و پیش بینی خرابی روسازی و شناسایی مقاطع نیازمند به آزمایش های تکمیلی میدانی مد نظر قرار گیرد. یکی از رایج ترین روش های محاسبه عدد سازه ای، استفاده از روش های غیر مخرب با استفاده از دستگاه افت و خیز سنج لرزه ای (fwd) می باشد. لیکن هزینه انجام تست های میدانی، نیاز به کنترل ترافیک و محدودیت در سرعت انجام کار، از مواردی مهمی است که استفاده از دستگاه fwd را در سطح پروژه و به ویژه در سطح شبکه با محدودیت مواجه ساخته است. در این مقاله تلاش می گردد در راستای توسعه روش های موجود، با استفاده از روش های سریع و نسبتاً اقتصادی، عدد سازه ای موثر روسازی را با ترکیب شاخص ناهمواری و خرابی سطحی تعیین نمود. بدین منظور 52 کیلومتر از راه های شریانی استان کرمانشاه و ایلام با مشخصات مختلفی چون ترافیک، عمر روسازی، ضخامت لایه های روسازی و انواع خرابی مورد بررسی قرار گرفت. همچنین، از دستگاه fwd جهت محاسبه افت و خیز در هر مقطع، از دستگاه rsp جهت برداشت ناهمواری (iri)و از دستگاه rd3vv و بازدید چشمی جهت بررسی خرابی های سطحی و تعیین شاخصارزیابی سطح روسازی (paser)استفاده شد. به منظور برآورد عدد سازه ای موثر، دو شاخص ناهمواری و paser به عنوان متغیرهای ورودی در مدلسازی در نظر گرفته شدند. جهت مدلسازی از مدل های رگرسیون توانی، خطی چند جمله ای و شبکه عصبی با معماری مختلف استفاده گردید. نتایج حاصل از مدل پیشنهادی نشان می دهد که       می توان عدد سازه ای را با دقت بالا و خطای کم تعیین نمود. همچنین یافته های این مقاله، بر برتری و توانایی نسبی استفاده از مدل های شبکه عصبی در مقایسه با دیگر مدل های رگرسیون دلالت دارد.
کلیدواژه عدد سازه ای موثر، امتیازدهی و ارزیابی سطح روسازی ، شاخص ناهمواری بین المللی، مدل شبکه عصبی، مدل رگرسیون
آدرس دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی عمران, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده مهندسی عمران, ایران. مرکز تحقیقات راه، مسکن و شهرسازی, بخش برنامه‌ریزی حمل‌و‌نقل, ایران
 
   Determination of Effective Structural Number based on IRI and Surface Distress Using Regression and Neural Network Model  
   
Authors Fakhri M. ,Shahni Dezfoulian R.
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved