توسعه مدل رگرسیونی غیرخطی پیش بینی دمای عمق لایه های آسفالتی با استفاده از داده های LTPP – مطالعه موردی: ایالت اوهایو – آمریکا

دمای عمق لایه های آسفالتی یکی از فاکتورهای مهم در فرآیند تحلیل، طراحی و مطالعات بهسازی (روکش) روسازی های آسفالتی است. مدل های پیش بینی به عنوان جایگزین اندازه گیری میدانی و آزمایشگاهی این دما، از روش های کم هزینه و سریع تعیین دمای عمق لایه های آسفالتی هستند. این در حالی است که این مدل ها بر اساس داده های میدانی و آزمایشگاهی محدود ساخته شده اند و نیاز به توسعه مدل هایی برای تعیین دمای عمق لایه های آسفالتی در شرایط مختلف ترافیکی و آب و هوایی وجود دارد. هدف اصلی این پژوهش توسعه مدلی برای پیش بینی دمای عمق لایه های آسفالتی بر اساس داده های آب و هوایی است. روش مدل سازی استفاده شده، مدل رگرسیون غیرخطی درجه دوم گام به گام می باشد که دمای عمق لایه های آسفالتی را بر اساس سایر متغیرها شامل عمق مورد نظر از سطح روسازی، دمای هوا، میانگین سرعت و جهت باد، حداقل رطوبت هوا و تابش آفتاب پیش بینی می کند. داده ها از پایگاه داده برنامه عملکرد بلندمدت روسازی (LTPP) استخراج شده و برای مدل سازی از داده های چندین ساله مربوط به ایالت اوهایو آمریکا استفاده شده است. با استفاده از داده های موجود، عملکرد مدل توسعه یافته مورد ارزیابی قرار گرفته است. همچنین مدل توسعه داده شده با استفاده از داده های مربوط به ایالت مونتانای آمریکا، اعتبارسنجی شده است. نتایج پژوهش قابلیت پیش بینی دمای عمق لایه های آسفالتی را بر اساس داده های آب و هوایی موجود توسط مدل توسعه یافته با دقت پیش بینی بسیار خوب (ضریب تعیین ۹۵/۰) و اریب (بایاس) پیش بینی بسیار کم نشان می دهد.