استفاده از الگوریتم های یادگیری ماشین در پیش بینی مقاومت مارشال آسفالت
- سال انتشار: 1400
- محل انتشار: سیزدهمین همایش ملی و نمایشگاه قیر، آسفالت و ماشین آلات
- کد COI اختصاصی: CAAM13_065
- زبان مقاله: فارسی
- تعداد مشاهده: 356
نویسندگان
کارشناسی ارشد مهندس عمران، کارشناس تحقیق و توسعه سازمان عمران شهرداری مشهد
کارشناس مسئول امور تحقیق و توسعه سازمان عمران شهرداری مشهد
رئیس اداره برنامه ریزی و توسعه سرمایه انسانی سازمان عمران شهرداری مشهد
مدیرعامل سازمان عمران شهرداری مشهد
چکیده
یکی از مهم ترین ویژگی هایی که در طرح اختلاط و کنترل کیفی آسفالت سنجیده می شود مقاومت مارشال آسفالت می باشد. مقاومت مارشال آسفالت تابعی از دانه بندی، ویژگی های مصالح سنگی و همچنین درصد و نوع قیر مصرفی آن می باشد. با توجه به زمانبر بودن و هزینه بر بودن فرایند تولید و کنترل کیفی آسفالت، استفاده از روش های نوین در این فرایند ضرورت دارد. در این پژوهش از دو روش ماشین بردار پشتیبان و جنگل تصادفی که از الگوریتم های یادگیری ماشین محسوب می شوند به منظور پیش بینی مقاومت مارشال آسفالت استفاده شد. برای این منظور، نتایج ۲۰۰۰ نمونه آسفالت شامل درصد عبوری از الک های ۳/۴، ۱/۲، ۳/۸، ۴، ۸، ۵۰ و ۲۰۰ درصد شکستگی مصالح، درصد جذب قیر وزن مخصوص قیر، وزن مخصوص حقیقی مصالح، درصد قیر مصرفی، نسبت درصد وزنی فیلر به قیر موثر و مقاومت مارشال آسفالت برای آموزش و ارزیابی مدل ها که ۱۴۰۰ نمونه برای آموزش و ۶۰۰ نمونه برای ارزیابی مدل بکار رفته است. مقدار R برای روش ماشین بردار پشتیبان برابر ۸۷.۵ و برای جنگل تصادفی ۸۲.۶۹ به دست آمده است. همچنین مقادیر MAPE ، RMES و SDE برای SVM به ترتیب معادل ۳.۱۰۷۳ ، ۴۰.۰۴۲ و ۰.۰۲۰۸ و برای RF به ترتیب معادل ۳.۱۶۴۱ ، ۴۱.۸۷۰ و ۰.۰۲۱۱ محاسبه گشت. نتایج حاصله نشان دهنده کارآمدی مدل های استفاده شده در برابر روش های آزمایشگاهی برای پیش بینی مقاومت مارشال آسفالت می باشد که روش SVM عملکرد مطلوب تری را نسبت به RF داراست. از رو ش های یادگیری ماشین میتوان برای پیش بینی سایر پارامترهای طرح اختلاط آسفالت استفاده و زمان، هزینه و خطای انسانی آزمایشات را کاهش دادکلیدواژه ها
آسفالت، طرح اختلاط، مقاومت مارشال، الگوریتم های یادگیری ماشین، ماشین بردار پشتیبان، جنگل تصادفی.مقالات مرتبط جدید
- Numerical and analytical prediction of near tunnel wall fire flame length
- Numerical Simulation of the Effect of Damage to the Air Curtain on the SmokeBehavior and Temperature Stratification during Fire in Mine Faces
- کنترل فرآیند طراحی سیستم تهویه تونل های کوتاه ترافیکی در مناطق شهری جهت تامین ایمنی (مطالعه موردی)
- مدل سازی و شبیه سازی الکتروموتورها و درایوهای نوار (TBM , Stacker , Marti )با استفاده از نرم افزار : PID/Simulink/Matlabپروژه تونل انتقال آب کنجانچم KT۲
- مهندسی ارزش در پروژه های میکروتونلینگ تهران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.