مقایسه روش های مختلف یادگیری ماشین در پیش بینی عدد جریان مخلوط های آسفالتی

شیارشدگی یکی از خرابی های عمده در روسازی های انعطاف پذیر است که به شدت تحت تاثیر ویژگی های مخلوط آسفالتی در دماهای بالا قرار می گیرد. روشهای مختلفی برای توصیف مقاومت شیارشدگی مخلوط های آسفالتی وجود دارد که عدد جریان یکی از مهمترین آنهاست. عدد جریان نتیجه آزمایش خزش دینامیکی است که نیازمند صرف هزینه زیاد و تجهیزات پیشرفته است. در این پژوهش توانایی روش های مختلف یادگیری ماشین به منظور مدل سازی و پیش بینی عدد جریان مخلوط های آسفالتی مورد ارزیابی قرار گرفته است. برای انجام مدل سازی، پارامترهای مختلف مخلوط آسفالتی شامل نسبت سنگدانه های درشت به ریز، فضای خالی مخلوط آسفالتی، فضای خالی سنگدانه ها و نسبت استقامت مارشال به جریا ن مارشال به عنوان ورودی جهت پیش بینی عدد جریا ن مخلوط آسفالتی مورد استفاده قرار گرفته اند. برای مقایسه دقت روش های مدل سازی مختلفاز دو پارامتر R۲ و RMSE استفاده شد. نتایج این تحقیق نشان می دهد که سه مدل کوبیست، ماشین تقویت گرادیان و جنگل تصادفی به ترتیب بهترین مدل ها برای پیش بینی عدد جریان مخلوط های آسفالتی هستند و می توان از این روش های یادگیری ماشین به جای آزمایش های واقعی و پرهزینه جهت پیش بینی عدد جریان مخلوط های آسفالتی استفاده کرد.

کلیدواژه ها:

یادگیری ماشین ، مخلوط آسفالتی ، عدد جریان ، شیارشدگی ، اعتبارسنجی متقابل