مروری بر کاربرد روش های یادگیری ماشین در پروژه های مبتنی بر تشخیص؛ طبقه بندی وپیش بینی خرابی های شبکه های روسازی

  • سال انتشار: 1402
  • محل انتشار: پانزدهمین کنفرانس بین المللی حمل و نقل و ترافیک با رویکرد هوش مصنوعی در مهندسی عمران
  • کد COI اختصاصی: TRINEZAM15_043
  • زبان مقاله: فارسی
  • تعداد مشاهده: 163
دانلود فایل این مقاله

نویسندگان

نادر کربلایی زاده

محقق دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران

دانیال محمدزاده شادمهری

رییس هیات مدیره انجمن صنفی کارفرمایی مهندسان عمران خراسان رضوی

سپهر زمانی

کارشناسی مهندسی عمران، دانشگاه آزاد اسلامی واحد مشهد

امیر محمدزاده شادمهری

مدرس دانشگاه جامع علمی کاربردی، مرکز خانه کارگر مشهد

چکیده

به منظور حفظ، مدیریت و بودجه برای زیر ساخت های روسازی، و ارزیابی وضعیت روسازی راه لازم است چندین ویژگی روسازی اندازه گیری شود. برای ارزیابی وضعیت روسازی از جمله مقاومت روسازی و ناهمواری سطحی مهم است که هنگامی که مطالعات را طبقه بندی می کنیم سطوح عمیق تر باشند و به دلیل رشد سریع مقالات منتشر شده در این رشته هدف این مقاله ارائه یک نمای کلی از مطالعات ارزیابی روسازی مبتنی بر یادگیری ماشینی به منظور تسهیل در اکتشاف از میان مطالعاتی که از روش های مشابه استفاده می کنند، مطالعات براساس اهداف خود سازماندهی شده اند. بنابراین، مطالعات بر اساس دو دسته اصلی از اهداف به کار رفته در آن ها طبقه بندی شده اند: ۱.مطالعات با هدف پیش بینی وضعیت روسازی ۲ .مطالعات با هدف خرابی روسازی

کلیدواژه ها

انعطاف پذیر - روسازی - پیشبینی یادگیری ماشینی- بازیابی - مرور

مقالات مرتبط جدید

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.