محمد حمیدی نیا - پردیس فنی و مهندسی، دانشکده مهندسی عمران،
محمدمهدی خبیری - دانشیار، پردیس فنی و مهندسی، دانشکده مهندسی
مهدی مخبری - دانشکده فنی و مهندسی، دانشگاه استهبان.

اجرای آسفالت یکی از مهم‌ترین پارامترهای کیفیت روسازی آسفالت بوده که همواره در هر پروژه پخش آسفالت باید به آن دقت نمود. هدف از این پژوهش، بررسی عملکرد شبکه عصبی مصنوعی و الگوریتم درخت تصمیم و پیش‌بینی پارامترهای طرح اختلاط و میدانی مؤثر بر تراکم روسازی بوده تا با شناسایی و کنترل این پارامترها بتوان مقدار پارامتر تراکم را کنترل نمود. در این تحقیق، با استفاده از داده‌های جمع‌آوری شده از گزارش تعیین تراکم نسبی آسفالت، گزارش منحنی دانه‌بندی و نتایج آزمایش‌های آسفالت گرم و گزارش طرح اختلاط آسفالت همچنین با به‌کارگیری الگوریتم درخت تصمیم و شبکه عصبی مصنوعی به پیش‌بینی پارامترهای مؤثر بر تراکم پرداخته شده است. نتایج نشان می‌دهد داده‌هایی که دارای دمای پخش بین 126 تا 155 درجه سانتی‌گراد، درصد شکستگی در دو جبهه بیشتر از 95.5%، استحکام (مقاومت مارشال) کمتر از 1417.5 کیلوگرم- نیرو و فضای خالی کمتر از 5.45% بودند، تراکم در آنها دارای مقدار مناسب (بیشتراز 97%) بود. در نتیجه، این پارامترها مؤثرترین پارامترها در طرح اختلاط آسفالت معرفی شد.

روسازی آسفالتی, تراکم, داده‌کاوی, درخت تصمیم, شبکه عصبی مصنوعی