مدل‌سازی عدد جریان مخلوط‌های آسفالتی با استفاده از روش رگرسیون چند‌جمله‌ای تکاملی

خرابی شیار شدگی یکی از خرابی‌های مهم در روسازی‌های آسفالتی است که در آب‌وهوای گرم به‌شدت تحت تاثیر مشخصات مخلوط آسفالتی قرار دارد. روش‌های مختلفی برای تعیین مقاومت مخلوط‌های آسفالتی در برابر شیار شدگی (تغییر شکل دائمی) وجود دارد که یکی از این روش‌ها، تعیین عدد جریان مخلوط آسفالتی با استفاده از آزمایش خزش دینامیکی است. تعیین عدد جریان مخلوط‌های آسفالتی نیازمند تجهیزات دینامیکی پیشرفته و همچنین صرف هزینه و زمان قابل‌توجه است. در این مقاله از روش رگرسیون چندجمله‌ای تکاملی (epr) به‌منظور ارائه مدلی جهت پیش‌بینی عدد جریان مخلوط‌های آسفالتی بر اساس مشخصات طرح اختلاط مارشال، استفاده‌شده است. با بهره‌گیری از مدل توسعه داده‌شده می‌توان عدد جریان مخلوط‌های آسفالتی را با داشتن پارامترهای طرح اختلاط مارشال شامل درصد مصالح درشت‌دانه، درصد مصالح ریزدانه، درصد فیلر، درصد قیر، درصد فضای خالی مخلوط آسفالتی، درصد فضای خالی مصالح سنگی، استقامت مارشال و نرمی پیش‌بینی نمود. مدل توسعه داده‌شده دارای ضریب تعیین (r2) برابر با 0.9714 برای داده‌های آموزش و 0.9661 برای داده‌های آزمون است که نشان‌دهنده دقت بالای مدل توسعه داده‌شده است. بررسی انجام‌شده نشان می‌دهد که دقت مدل توسعه در مقایسه با مدل‌های توسعه داده‌شده توسط سایر محققین بیشتر است. به علاوه تحلیل حساسیت نشان دهنده انتطباق مناسب مدل توسعه داده شده با رفتار فیزیکی مخلوط‌های آسفالتی است.

Modeling of Flow Number of Asphalt Mixtures Using Evolutionary polynomial Regression (EPR) Method

Rutting is among the most important distresses in flexible pavements, which is mainly influenced by asphalt mixes properties at high temperatures. There are different methods for measuring the rutting resistance of asphalt mixes. Flow number of asphalt mix, which is measured experimentally by dynamic creep test is one of the most commonly used rutting index, which requires advanced devices, notable cost and time. This paper aims to develop a simple model for predicting the flow number of asphalt mixes using Evolutionary polynomial Regression (EPR). The developed model can be used for predicting flow number based on Marshall mix design parameters including percentage of fine and coarse aggregates, bitumen content, filler content, air void content, void in mineral aggregate, Marshall stability, and flow. The coefficient of determination (R2) of model in case of training and testing set is 0.9714, and 0.969, respectively, which confirms the high accuracy of model. Comparison of the developed model with the existing models shows the superior performance of the developed model. In addition, the parametric analysis indicates the proper conformity of the developed model with the physical behavior of the asphalt mixtures.