سامان بوالحسنی - مدیر برنامه ریزی و سیستمهای سبد شهری ۳، موسسه شهید رجایی، هلدینگ تخصصی راه و شهرسازی
فتاح محمدی - مدیر برنامه ریزی و سیستمهای پروژه کاشان، موسسه شهید رجایی، هلدینگ تخصصی راه و شهرسازی
مجتبی حنطه - دکتری سازه، مسئول دانش و مستندسازی پروژه کاشان، موسسه شهید رجایی، هلدینگ تخصصی راه و شهرسازی

در سالهای اخیر از روشهای هوشمند بسیاری برای پیشبینی کمیتها استفاده شده است. با توجه به اینکه روشهای هوش مصنوعی از جمله روشهای مدلسازی هستند که قدرت بسیار زیادی برای هماهنگی با مسائل مهندسی از خود نشان داده اند، در این پژوهش نیز، مجموعه ای از داده ها جمع آوری گردیده و از این روشها جهت پیشبینی مقاومت مارشال آسفالت استفاده شده است. آزمایش مقاومت مارشال یکی از متداولترین روشهای طرح بتن آسفالتی گرم است. هدف از این پژوهش، استفاده از مدلهای هوش مصنوعی رگرسیون اسپلاین چند متغیره تطبیقی (MARS) و ماشین یادگیری سریع (ELM) جهت تخمین مقاومت مارشال آسفالت است. در نهایت با استفاده از روابط متداول برای سنجش خطای مدلها مشاهده گردید مدلهای هوش مصنوعی، مقاومت مارشال آسفالت را به خوبی تخمین میزنند. به ویژه مدل MARS عملکرد بهتری در مقایسه با مدل دیگر دارد، به نحویکه این مدل دارای ضریب همبستگی ۰,۹۲۷۷ در مرحله آموزش و ۰,۹۳۱۸ در مرحله آزمایش است.

مقاومت مارشال، آسفالت، هوش مصنوعی، رگرسیون اسپلاین چند متغیره تطبیقی، ماشین یادگیری سریع.