CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی عملکرد روسازی با تلفیق مدل خانواده و شبکه عصبی (مطالعه موردی: معابر شهر ساری)

عنوان مقاله: پیش بینی عملکرد روسازی با تلفیق مدل خانواده و شبکه عصبی (مطالعه موردی: معابر شهر ساری)
شناسه ملی مقاله: JR_JTE-9-1_001
منتشر شده در شماره 1 دوره 9 فصل پاییز در سال 1396
مشخصات نویسندگان مقاله:

حسین قاسم زاده طهرانی - استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود ، شاهرود ، ایران
میلاد جعفرنژاد - دانشجوی کارشناسی ارشد راه و ترابری، دانشگاه صنعتی شاهرود ، شاهرود، ایران

خلاصه مقاله:
مدل پیش بینی عملکرد روسازی مهمترین بخش از یک سیستم مدیریت روسازی است. اثر بخشی برنامه های بلندمدت و میان مدتتعمیرات و نگهداری راه، وابسته به صحت و اعتبار مدل پیش بینی عملکرد روسازی است. در مدل های خانواده، قطعات مختلف کهمشخصات فنی مشابه داشته و روند افت کیفیت آنها یکسان باشد، در یک گروه قرار گرفته و برای مجموعه قطعات روسازی هرخانواده، یک مدل پیش بینی ساخته می شود. مدل سازی بر اساس خانواده روسازی با کمترین داده ها و با سریع ترین و ارزانترین روشمی تواند نتایجی با دقت بسیار خوب بدست دهد.در این تحقیق در خیابان های شهر ساری دو خانواده مختلف روسازی تعریف شده است که عبارتند از خانواده یک روسازی شامل معابربا ترافیک سنگین و ضخامت زیاد آسفالت و خانواده دو روسازی شامل معابر با ترافیک سبک و ضخامت کم آسفالت. کلیه خیابان هایاصلی شهر مورد ارزیابی قرار گرفته و شاخص کیفیت روسازی (PCI) و عمر روسازی تعیین شده است. در هر خانواده روسازی باروش رگرسیون مدلسازی انجام شده است که نهایتا یک مدل رگرسیون درجه سه با ضریب همبستگی 09 % برای خانواده یک روسازیو ضریب 84% برای خانواده دو روسازی بدست آمد. همچنین در هر خانواده روسازی، با استفاده از شبکه عصبی و با روش پرسپترونچند لایه (MLP) پیش بینی عملکرد روسازی انجام گرفت که ضریب همبستگی 93% را نشان میدهد. با توجه به اینکه مدلسازی فقط بایک بار ارزیابی روسازی انجام شده است، دقت مدل ها بسیار خوب ارزیابی می شود که ناشی از استفاده از روش خانواده روسازی است. در نهایت تلفیق مدل خانواده با شبکه عصبی نسبت به روش رگرسیون به نتایج بهتری منجر شده است.

کلمات کلیدی:
مدل پیش بینی عملکرد روسازی، مدل خانواده روسازی، مدل رگرسیون، شبکه عصبی پرسپترون چند لایه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/792881/