محاسبات برگشتی غیرخطی روسازی های مقطع معکوس با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم بهینه سازی برخورد اجسام

یکی از روش های متداول برای تعیین ظرفیت باربری روسازی، بهره گیری از نتایج آزمایش افت­وخیزسنج ضربه ای (FWD) است. سیستم روسازی های مقطع معکوس در سال ۱۹۷۰ میلادی در آفریقای جنوبی توسعهیافته است. این روسازی به صورت یک ساختار ساندویچی اجرا می شود. به طوریکه یک لایه اساس سنگدانه ای بین دولایه با مدول برجهندگی بالا (لایه بتن آسفالتی و لایه اساس تثبیت شده با سیمان) قرار می گیرد. هدف از این تحقیق، توسعه روشی به منظور پیش بینی مدول برجهندگی لایه های روسازی بر پایه افت وخیزهای اندازه گیری شده با دستگاه افت­وخیزسنج ضربه ای است. با توجه به اینکه مدلسازی غیرخطی مصالح اساس سنگدانه ای در روسازی های مقطع معکوس بسیار حائز اهمیت است، برای ایجاد پایگاه داده افت­وخیز از تحلیل غیرخطی حدود ۳۸۰۰۰ مقطع روسازی معکوس توسط برنامه المان محدود غیرخطی MICH-PAVE استفاده شده است. سپس، با بهره گیری از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم بهینه سازی برخورد اجسام، روشی به منظور انجام محاسبات معکوس روسازی های مقطع معکوس با فرض رفتار غیرخطی اساس سنگدانه ای توسعه داده شده است. نتایج نشان­دهنده انطباق بسیار خوب افت­وخیزهای حاصل از برنامه MICH-PAVE با نتایج حاصل از برنامه KENLAYER و داده های میدانی است. همچنین، شبکه عصبی مصنوعی با دقت بسیار زیاد (ضریب رگرسیون بیش از ۹۹/۹۹ درصد) امکان پیش بینی کاسه نشست سطح روسازی های مقطع معکوس با توجه به اطلاعات مدول برجهندگی و ضخامت لایه ها را فراهم می سازد. به­علاوه، مدل ترکیبی شبکه عصبی و الگوریتم برخورد اجسام در مقایسه با مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم ژنتیک دقت و سرعت بالاتری برای پیش بینی مدول­های برجهندگی لایه های روسازی مقطع معکوس دارد.

Keywords:

Nonlinear Backcalculations , Inverted Pavement , Artificial Neural Networks , Colliding Body Algorithm , Genetic algorithm