کاربرد سیستم استنتاج تطبیقی عصبی- فازی به منظور مدلسازی شاخص ناهمواری بین‌المللی در روسازی‌های بتنی غیرمسلح درزدار

معیارهای زیادی به‌منظور تعیین وضعیت خدمت‌دهی روسازی توسعه یافته است که یکی از مهم‌ترین این شاخص‌ها، شاخص ناهمواری بین‌المللی است. علاوه بر کاربرد شاخص ناهمواری بین‌المللی در تعیین وضعیت روسازی و سنجش نیازمندی‌های مرمت و نگهداری روسازی، در روش‌های جدید مکانیستیک تجربی طراحی روسازی‌های صلب مانند روشmepdg 2002 نیز پس از محاسبه تک‌تک خرابی‌ها باید با استفاده از یک مدل ریاضی، خرابی‌های مختلف روسازی به شاخص ناهمواری بین‌المللی تبدیل شوند تا بتوان مقدار ناهمواری روسازی را در سال‌های مختلف عمر بهره‌برداری پیش‌بینی نمود. بنابراین، تعیین شاخص ناهمواری بین‌المللی بر اساس خرابی‌های مشاهده شده در روسازی‌های صلب از اهمیت بسیاری برخوردار است. در این تحقیق، از روش سیستم استنتاج تطبیقی عصبی– فازی به‌منظور مدل سازی شاخص ناهمواری بین‌المللی در روسازی‌های بتنی غیرمسلح درزدار با استفاده از داده‌های برنامه بلندمدت عملکرد روسازی استفاده شده است. متغیرهای مستقل در مدل سازی شامل عمر روسازی برحسب سال، شاخص ناهمواری بین‌المللی اولیه برحسب متر در هر کیلومتر، درصد دال‌های با ترک‌های عرضی، درصد خردشدگی درزها، مساحت وصله‌های انعطاف‌پذیر و صلب برحسب درصد، مجموع پلکانی شدن درزها برحسب متر در هر کیلومتر، شاخص یخبندان برحسب درجه سانتی گراد روز، درصدی از مصالح بستر روسازی که از الک 0.075 میلی­متری عبور می­کند و متغیر وابسته به‌صورت شاخص ناهمواری بین‌المللی برحسب متر در هر کیلومتر در نظر گرفته شد. نتایج نشان می‌دهد که ضریب رگرسیون بین شاخص ناهمواری بین‌المللی اندازه‌گیری شده و پیش‌بینی شده با استفاده از رابطه nchrp و سیستم استنتاج تطبیقی عصبی– فازی بر اساس داده‌های آزمون به ترتیب برابر با 0.601 و 0.758 است. بنابراین، می‌توان دید که استفاده از مدل توسعه داده شده بر اساس سیستم استنتاج تطبیقی عصبی– فازی امکان پیش‌بینی دقیق‌تر شاخص ناهمواری بین‌المللی در روسازی‌های بتنی غیرمسلح درزدار را نسبت به معادله ارائه شده توسط nchrp فراهم می‌سازد.

Application of Adaptive Neuro-Fuzzy Inference System for Modeling of International Roughness Index in Jointed Plane Concrete Pavements

Several criteria have been developed to represent the serviceability conditions of pavement, which international roughness index (IRI) is one of the most important indices. In addition to the application of IRI in case of representing serviceability conditions of the pavement and its application in prioritizing of maintenance and rehabilitation activities, in new mechanisticempirical methods for design of rigid pavements (e.g MEPDG 2002), it is needed to convert all independent distresses to IRI by utilizing a mathematical model. Thus, determination of IRI on the basis of independent observed distresses is very important. In this research, Adaptive NeroFuzzy Inference System (ANFIS) is utilized for modeling of IRI of jointed plane concrete pavements (JPCP) based on longterm pavement performance (LTPP) data. Input data for ANFIS included pavement age in year, initial IRI in m/km, percentage of slabs with transverse cracking, percentage of joints with spalling, pavement surface area with flexible and rigid patching, total joint faulting in mm/km, freezing index in oC and percent subgrade material passing the 0.075mm sieve and output was considered as IRI in m/km. Results showed that the coefficient of determination (R2) between measured and predicted values of testing set in case of NCHRP equation and ANFIS model are 0.601 and 0.758, respectively. Thus the developed model, based on ANFIS, can be used for accurate predicting of IRI in jointed plane concrete pavements in comparison with NCHRP equation.