توسعه مدل رگرسیونی برای پیش بینی دمای عمق لایه های آسفالتی با استفاده از داده های LTPP – مطالعه موردی: ایالت نِبراسکای آمریکا

دمای عمق لایه های آسفالتی یکی از فاکتورهای مهم در فرآیند تحلیل، طراحی و مطالعا ت بهسازی (روکش) روسازی های آسفالتی است. دمای عمق لایه معمولاً به صورت دستی در محل اندازه گیری می شود که این کا ر بسیار زمان بر و پرهزینه است. ایده اصلی این پژوهش توسعه مدلی برا ی پیش بینی دمای عمق لایه های آسفالتی بر اساس داده های آب و هوایی است. روش مدل سازی استفاده شده در این پژوهش، مدل رگرسیون غیرخطی درجه دوم گام به گام می باشد که دمای عمق لایه های آسفالتی را بر اسا س سایر متغیرها شامل عمق مورد نظر از سطح روسازی، دمای هوا، حداکثر جهتباد و تابش آفتاب پیش بینی می کند. داده ها از پایگاه داده برنامه عملکرد بلندمدت روسازی LTPP استخراج شده و برای مدل سازی از داده های چندین ساله مربوط به یک سایت روسازی واقع در ایالت نِبراسکای آمریکا استفاده شده است. با بررسی کارایی و اعتبارسنجی مدل توسعه یافته، دمای عمق لایه های آسفالتی بر اساس داده های آب و هوایی موجود با دقت خوبی R2=0.91