مروری بر پیش بینی اثر افزودنی‌ها بر عملکرد مخلوط آسفالتی با استفاده از شبکه عصبی مصنوعی

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 284

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ROAD-28-104_002

تاریخ نمایه سازی: 25 بهمن 1399

Abstract:

مقاومت پایین مخلوط­های آسفالتی در برابر بارهای دینامیکی موجب بروز ترک­های خستگی، شیارشدگی و در نهایت کاهش عمر سرویس دهی روسازی می شود. از این رو کشورهای پیشرفته به دنبال روش های جدید برای ساخت و نگهداری و تعمیر راه­ها بوده و همچنین تلاش هایی را در زمینه استفاده از تکنولوژی­های جدید جهت ارتقاء روسازی های قدیمی انجام داده­اند که این امر نشان دهنده توجه این کشورها به حفظ وضعیت راهها در حد مطلوب می باشد. یکی از روش­های اصلاح خصوصیات قیر و مخلوط آسفالتی، استفاده از انواع افزودنی­ها می باشد. افزودنی ­ها به این دلیل که قیر نمی­تواند در همه آب و هواها و شرایط بارگذاری عملکردی مناسب داشته باشد، استفاده می­شود. ایران نیز با داشتن اقلیم چهار فصل، تاثیرات آب و هوایی خاصی بر اغلب پروژه­های عمرانی را تجربه می­کند. روسازی راه­ها نیز یکی از تاثیرپذیرترین پروژه­ها از این حیث می باشند. در کنار آزمایش، استفاده از شبکه عصبی مصنوعی می تواند یک راه حل مناسب در کاهش هزینه و زمان ارزیابی نتایج باشد. در این مقاله در کنار بررسی تاثیر انواع افزودنی­ها بر خصوصیات عملکردی مخلوط آسفالتی به استفاده از شبکه عصبی مصنوعی برای پیش بینی خصوصیات مختلف مخلوط آسفالتی نیز پرداخته شده است.

Authors

علی عبدی کردانی

دانشیار، دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی(ره) قزوین، قزوین، ایران

فرشاد قطب

دانش آموخته کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه رازی، کرمانشاه، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • -بهبهانی، ح.، ایازی، م. ج.، و شجاعی، م. ح.، (1395)، ...
  • - McCulloch, D. and K, Vukadinovic, (2012), "Trafiic Control and ...
  • ­Vol. 13, Springer Science & Business Media. ...
  • -­M. Lazarevska, M. Knezevic, M. Cvetkovska, A.G. Trombeva, (2014), “Application ...
  •  pp. 1353-1359. ...
  • -­I. Flood, (1990), “Simulating the construction process using neural networks, ...
  • pp. 374-382. ...
  • -­D.S. Jeng, D.H. Cha, m. Blumenstein, (2003), “Application of neural ...
  • -­S.M. Mirabdolazimi, Gh.Shafabakhsh, (2017), “Rutting depth prediction of hot mix ...
  • -­E. Ozgan, (2011), “Artificial neural network based modelling of the ...
  • -­Gh.Shafabakhsh, O. Jafari Ani, M. Talebsafa,  (2015), “artificial neural network ...
  • -­F. Xiao, S. Amirkhanian, C. Hsein, (2009), “prediction of fatigue ...
  • - F. Xiao, S., (2015), “Amirkhanian, artificial neural network approach ...
  • pp. 249-264. ...
  • -­M. Firouzinia, Gh. Shafabakhsh, (2018), “Investigation of the effect of ...
  • - Serkan Tapkın, Abdulkadir Çevik, Ün Usar, (2010), “Prediction of ...
  • pp. 4660–4670 ...
  • - Halil Ceylan , Alper Guclu , Erol Tutumluer & ...
  • stress-dependent subgrade behaviour”, International Journal of Pavement Engineering, 6:3, pp.171-182. ...
  • -­Eldin, N. N., & Senouci, A. B., (1995), “A pavement ...
  • -­Ivica Androjic, Zlata Dolacˇek-Alduk, (2018), “Artificial neural network model for ...
  • -­Golzar, K., A. Jalali.arami, and M., (2012), “Nematollahi, Statistical investigation ...
  • - Shi, X., et al., (2011), “Exploring the interactions of ...
  • نمایش کامل مراجع