استفاده از شبکه عصبی مصنوعی در تعیین بهترین روش قطعه بندی در روسازی های آسفالتی ; مطالعه موردی محور یزد- میبد

قطعه همگن کوچکترین بخش راه است که خصوصیات فیزیکی، ترافیکی، سازه ای، عملکردی و... در آن یکسان بوده و در نتیجه گزینه تعمیر و نگهداری در کل طول آن ثابت است. تعیین قطعات همگن در شبکه راه ها از اهمیت بسزایی برخوردار بوده و لزوم کاهش هزینه تعمیر و نگهداری، متولیان سیستم مدیریت روسازی را به انجام قطعه بندی صحیح ومناسب رهنمون می سازد. به همین منظور ارایه پیشنهاد بهترین روش قطعه بندی با توجه به محدودیت ها و اطلاعات موجود راه ها در هر سازمان بسیار حایز اهمیت است. قطعه بندی روسازی با روش های مختلف و با استفاده از پارامتر پاسخ روسازی اعم از ارزیابی ایمنی، ارزیابی سطحی و ارزیابی سازه ای صورت می گیرد. اما عوامل دیگری از جمله میزان بودجه، ترافیک، طول مسیر و سابقه تعمیر که به عنوان محدودیت مطرح می گردد در انتخاب روش قطعه بندی نقش بسزایی دارد. لذا ارایه پیشنهاد بهترین روش قطعه بندی می تواند مدیران را برای رسیدن به این مهم یاری کند. امروزه با پیشرفت سیستم های ماشینی و با استفاده از الگوریتم های هوش مصنوعی، از جمله الگوریتم شبکه عصبی مصنوعی که رویکردپیش روی این پژوهش است، میتوان بهترین روش را به منظور قطعه بندی با توجه به اطلاعات موجود و اهداف هر سازمان و هر سیستم مدیریت روسازی پیشنهاد نمود. در این پژوهش سعی شد که با استفاده از داده های بدست آمده از پنج نوع پرسشنامه تهیه شده همچنین تحلیل 10 آزمون در هر آموزش و بررسی پارامترهای تاثیر گذار در سیستم دسته بندی شبکه عصبی مصنوعی، اعم از تعداد نرون لایه پنهان، نرخ یادگیری ماشین و تعداد تکرارشبکه، دقت شبکه را در بهترین حالت معماری ارزیابی شده به 56 % رساند

Keywords:

قطعه بندی همگن , پارامتر پاسخ روسازی , هوش مصنوعی , شبکه عصبی , دقت شبکه