مدل‌سازی رئولوژی قیر اصلاح‌شده با sbs: بهبود عملکرد و پیش‌بینی رفتار تحت شرایط بارگذاری و دمای متغیر

در این پژوهش، تاثیر درصد پلیمر sbs، فرکانس بارگذاری و دمای عملکردی بر خواص رئولوژیکی قیرهای اصلاح‌شده به‌صورت جامع بررسی شد. نتایج نشان داد که افزودن sbs باعث بهبود قابل توجه رفتار الاستیک قیر و افزایش مقاومت شیار شدگی، به‌ویژه در فرکانس‌های پایین‌تر و تنش‌های بالا می‌شود. همچنین، دما بیشترین تاثیر را بر کاهش مدول پیچیدگی (f=78.0) و افزایش رفتار ویسکوز قیر داشته و فرکانس بارگذاری تغییر قابل توجهی در سختی قیر ایجاد نکرد اما زاویه فاز را کاهش داده و قیر را به سمت رفتار الاستیک‌تر سوق می‌دهد. این یافته‌ها اهمیت انتخاب دمای عملکردی و درصد بهینه sbs (حدود 5 تا 6 درصد) را در طراحی قیرهای اصلاح‌شده برای افزایش عمر روسازی و بهبود عملکرد آن‌ها برجسته می‌کند. از سوی دیگر، مدل‌سازی رئولوژیکی با استفاده از شبکه‌های عصبی، دقت بسیار بالاتری نسبت به مدل‌های رگرسیونی در پیش‌بینی پارامترهای کلیدی نشان داد؛ به‌طوری که ضریب تعیین (r²) مدل شبکه عصبی برای مدول پیچیدگی برابر 997/0 و برای زاویه فاز 992/0 بود، در حالی که این مقادیر برای مدل رگرسیونی به ترتیب 785/0 و 975/0 بودند. این مدل‌ها همچنین خطاهای پیش‌بینی پایینی از جمله rmse کمتر و mape پایین‌تر داشتند که نشان‌دهنده عملکرد بسیار مناسب و قابلیت اعتماد بالای آن‌ها در پیش‌بینی رفتار رئولوژیکی قیر اصلاح‌شده است. بنابراین، استفاده از این مدل‌های پیشرفته می‌تواند به بهینه‌سازی طراحی قیر و کاهش هزینه‌ها و زمان آزمایش‌های میدانی کمک شایانی کند.