افشین عندلیبی - کارشناسی ارشد مهندسی عمران، گرایش راه و ترابری، دانشگاه آزاد اسلامی واحد بیرجند، ایران

اهمیت پیش بینی وضعیت روسازی سبب توجه به برنامه ریزی های بلند مدت در خصوص زمان و گزینه های ترمیم و نگهداریروسازی می شود مدل های متفاوتی ارائه شده است از جمله این مدل ها می توان به برونیابی مستقیم (برای پیش بینی های کوتاهمدت) و مدل رگرسیونی اشاره کرد. هدف اصلی این مقاله یافتن مدلی است که بتواند وضعیت روسازی را در سطح شبکه در آینده پیشبینی کند. برای این منظور از شبکه های عصبی مصنوعی که بر گرفته از شرایط بیولوژیکی است استفاده شده است. با توجه به آنکهشبکه های عصبی مصنوعی امروزه به صورت گسترده در علوم مهندسی مورد استفاده قرار گرفته است. روسازی مورد استفاده در این مقالهاز نوع انعطاف پذیر است ومتغیر های ورودی شامل عمر روسازی به صورت یک عدد، تعداد محور، میزان بارندگی و ضخامت معادلروسازی با استفاده از ضرایب انستیتوآسفالت است. البته عوامل دیگری همچون کیفیت آسفالت، کیفیت اجرا، تکنولوژی ساخت و...می تواند در پروسه زوال روسازی نقش داشته باشند که به علت عدم دسترسی به این عوامل در این مقاله لحاظ و بررسی نشده است.

روش آموزش، اندازه حرکت، مدل رگرسیونی، شرایط روسازی، شبکه عصبی