پوریا حاجی کریمی - استادیار، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران
مهرداد احسانی - دانشجوی دکتری، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران
محمد راهی - مدیر واحد تحقیق و توسعه، شرکت نفت پاسارگاد، تهران، ایران
سحر منیعی - کارشناس مسئول واحد تحقیق و توسعه، شرکت نفت پاسارگاد، تهران، ایران

پیش بینی خصوصیات ویسکوالاستیک ماستیک در مهندسی روسازی از اهمیت بالایی برخوردار است. تاکنون پیش بینی خصوصیات ویسکوالاستیک ماستیک با استفاده از ابزارهای یادگیری ماشین که رابطه ریاضی ارائه می دهند مورد توجه قرار نگرفته است. هدف از این تحقیق پر کردن این خلا تحقیقاتی و  توسعه مدلهای پیش بینی برای مدول مرکب برشی (G*) و زاویه فاز (δ) ماستیک با قیر اصلاح شده توسط استایرن بوتادین استایرن (SBS) در دمای پایین و متوسط می باشد. سه مقدار متفاوت  SBS(۲، ۴ و ۶ درصد) برای اصلاح قیر و چهار درصد مختلف پرشدگی فیلر (۱۰، ۱۸، ۲۵ و ۳۵ درصد) برای ساخت نمونه های ماستیک در نظر گرفته شده است. آزمایش رئومتر برشی دینامیکی (DSR) در حالت جاروب فرکانس در ۲۱ فرکانس بارگذاری از ۱/۰  تا ۱۰۰ هرتز و در هفت دمای ۲۲-، ۱۶-، ۱۰-، ۰، ۱۰، ۱۶ و ۲۲ درجه سانتیگراد انجام شده است. با استفاده از این آزمایش مقدار G* و  δ  قیر پایه، قیر اصلاح شده و همچنین نمونه های ماستیک اندازه گیری شده است. به عبارت دیگر، از نتایج حاصل از انجام آزمایش جاروب فرکانس به منظور تهییه داده های مورد نیاز برای ساخت مدل پیش بینی استفاده شده است. از برنامه ریزی ژنتیکی چند ژنی برای توسعه مدل پیش بینی G* و  δ  ماستیک با در نظر گرفتن متغیرهای ورودی درصد افزودنی، فرکانس، دما، درصد پر شدگی فیلر و G* و  δ  قیر پایه استفاده شده است. در نهایت دو مدل پیش بینی مجزا برای G* و  δ  ارایه شده است که بترتیب دارای ضریب تعیین ۹۶/۰ و ۹۸/۰ می باشند. نتایج نشان می دهد که برنامه ریزی ژنتیکی چند ژنی می تواند با دقت بسیار مناسب رفتار ویسکوالاستیک ماستیک را پیش بینی نماید. پس از بررسی عملکرد مدل ها، با انجام تحلیل حساسیت روی آن ها، نشان داده شد که خصوصیات ویسکوالاستیک قیر پایه به عنوان متغیرهای ورودی بیشترین تاثیر را در پیش بینی متغیر های خروجی دارند.

برنامه ریزی ژنتیک چند ژنی, رفتار ویسکوالاستیک, ماستیک, قیر اصلاح شده, SBS