توسعه ارتباط بین شاخص های وضعیت روسازی و ناهمواری بین المللی با استفاده از مدل های رگرسیون و شبکه عصبی

شاخص های وضعیت روسازی (PCI) و ناهمواری بین المللی (IRI) به عنوان دو روش مهم در ارزیابی کیفی روسازی جاده ها می باشند. هدف از این مطالعه تعیین رابطه بین شاخص های IRI و PCI با استفاده از تحلیل های آماری اسپیرمن، پیرسون و دوربین واتسون، مدل های رگرسیون خطی و غیرخطی و مدل شبکه عصبی می باشد. در همین راستا، داده های ۳۹۲ قطعه از راه های شریانی استان اصفهان بررسی شد و شاخص های PCI و IRI این قطعات به عنوان جامعه آماری انتخاب شدند. نتایج تحلیل های آماری نشان داد ضرایب همبستگی در آزمون های پیرسون و اسپیرمن به ترتیب برابر -۰/۸۶۹ و -۰/۸۸۷ می باشد که نشان دهنده رابطه قوی و معکوس بین متغیرهای PCI و IRI می باشند. نتایج بخش مدل سازی نشان داد، باوجود عملکرد مناسب شبکه عصبی در پیش بینی داده های آموزش و برازش مدل، ولی درپیش بینی داده های جدید و در مرحله آزمون با حدود ۴۶ درصد خطا، عملکرد ضعیفی دارد و مدل دچار بیش برازش می شود. در حالی که نتایج مدل های رگرسیون نشان داد مدل رگرسیون خطی با معادله PCI =-۱۹.۸۰×IRI +۱۲۶.۹۷ ضریب همبستگی ۰/۷۷۹ خطای نسبی ۱۶ درصد و RMSE برابر ۹/۷ بهترین عملکرد را در پیش بینی مقادیر PCI دارد. با توجه به سرعت برداشت و تحلیل نتایج بالا شاخص IRI و کاربردی بودن شاخص PCI به عنوان روش استاندارد در برنامه ریزی و تعیین گزینه های نگهداری راه ها، این مدل می تواند کمک شایانی را در راستای افزایش دقت و سرعت تصمیم گیری ها و کاهش هزینه های سنگین برداشت خرابی داشته باشد.

کلیدواژه ها:

شاخص وضعیت روسازی ، شاخص ناهمواری بین المللی ، مدل های رگرسیون ، مدل شبکه عصبی