توسعه مدل پیش بینی رفتار ویسکوالاستیک ماستیک اصلاح شده با پودر لاستیک با استفاده از برنامه ریزی ژنتیک

هدف از این تحقیق، توسعه مدل پیشبینی برای مدول مختلط برشی (*G) و زاویه فاز (δ) ماستیک آماده شده با قیراصلاح شده توسط پودر لاستیک در دمای پایین و متوسط با استفاده از یادگیری ماشین می باشد. سه مقدار متفاوتپودر لاستیک شامل ۱۰%، ۱۵% و ۲۰% وزنی قیر و چهار درصد مختلف پرشدگی فیلر (۱۰، ۱۸، ۲۵ و ۳۵ درصد) برای ساخت نمونههای ماستیک در نظر گرفته شده است. آزمایش رئومتر برشی دینامیکی (DSR) در حالت جاروب فرکانس در هفت دمای ۲۲-، ۱۶-، ۱۰-، ۰، ۱۰، ۱۶ و ۲۲ درجه سانتیگراد به منظور اندازه گیری *G و δ برای قیر پایه، قیرهای اصلاح شده و همچنین نمونه های ماستیک ساخته شده، انجام شده است. برنامه ریزی ژنتیکی چند ژنی برای توسعه مدل پیش بینی *G و δ ماستیک با متغیرهای ورودی درصد افزودنی، فرکانس، دما، درصد پر شدگی فیلر و *G و δ قیر پایه مورد استفاده قرار گرفته شده است. در انتها با استفاده از داده های اعتبارسنجی و شاخص های آماری متنوع، عملکردمدلهای توسعه داده شده ارزیابی شده اند. نتایج نشان میدهد که برنامه ریزی ژنتیکی چند ژنی میتواند با دقت بالارفتار ویسکوالاستیک ماستیک اصلاح شده را بر اساس مشخصات ورودی مختلف پیش بینی نماید.

Keywords:

برنامهریزی ژنتیک , یادگیری ماشین , ماستیک اصلاح شده , مشخصات ویسکوالاستیک