ساخت مدل تحلیلی به منظور پیشبینی زاویه فاز ( δ) در آزمایش رئومتر برشی دینامیکی (DSR)

مشخصات سوپرپیو قیر بهمنظور بهبود عملکرد روسازی با کنترل مشکلات روسازی تحت طیف وسیعی از دماها و شرایط پیری طراحی شده است. رئومتر برشی دینامیکی (DSR) یکی از آزمایشهای سوپرپیو است که برای تعیین خواص رئولوژیکی قیر استفاده میشود. هدف این مطالعه ایجاد مدل پیشبینی باقابلیت پیشبینی زاویه فاز ( δ) به عنوان یک نتیجه اصلی از روش آزمایش DSR است. این بهنوبه خود میتواند زمان به دست آوردن نتایج آزمایشگاهی و درنتیجه هزینه را کاهش دهد. برای این هدف یک روش یادگیری ماشین گروهی با رویکرد جنگل تصادفی استفاده شده است. بر این اساس، هفت متغیر موثر بر زاویه فاز قیر از نتایج ۱۲۲۵ نمونه از وبسایت LTPP جمع آوری شد. این عوامل عبارت اند از: دمای آزمایش، نوع پیری، درجه عملکرد پایین (PG-low)، درجه عملکرد بالا (PG-high)، نفوذ، ویسکوزیته سینماتیک و ویسکوزیته مطلق (دینامیک). روش پیشنهادی از طریق یک روش اعتبارسنجی متقاطع ۱۰ برابری تاییدشده و بر اساس تجزیه وتحلیل انجام شده به دقت بیش از ۹۰ درصد ازنظر ضریب تعیین میرسد. درنهایت، تاثیر برخی از عوامل کلیدی در رویکرد جنگل تصادفی نیز بررسی شد، به عنوان مثال، میزان تاثیر حساسیت پارامترهای ورودی زاویه فاز. همچنین بر اساس نتایج تحلیل حساسیت، اهمیت متغیرهای ورودی مختلف به دست آمد. بر اساس بررسی انجام شده، دمای آزمایش و نوع پیرشدگی بیشترین تاثیر را بر زاویه فازی قیر دارند. میتوان با افزایش تعداد و تنوع داده های آموزشی مدل را جهت رسیدن به نتایج بهتر و پیشبینی سایر خواص عملکردی قیر استفاده کرد.

کلیدواژه ها:

LTPP ، رئومتر برشی دینامیکی ، زاویه فاز ، یادگیری ماشین ، جنگل تصادفی.