پیش بینی عمر مفید روسازی های آسفالتی با مدل سازی خرابی های رایج با استفاده از داده کاوی

روسازی های آسفالتی به عنوان بخش اساسی زیرساخت های حمل ونقل جاده ای، در معرض تنش های مکانیکی، شرایط محیطی و بارهای ترافیکی متغیر قرار دارند که منجر به بروز انواع خرابی های ساختاری و عملکردی در طول زمان می گردد. پیش بینی دقیق عمر مفید این نوع روسازی ها، به منظور برنامه ریزی نگهداری پیشگیرانه، کاهش هزینه های تعمیر و ارتقاء ایمنی، ضرورتی انکارناپذیر در مدیریت زیرساخت های عمرانی محسوب می شود. هدف اصلی این پژوهش، توسعه مدل هایی مبتنی بر داده کاوی برای پیش بینی عمر مفید روسازی های آسفالتی با تمرکز بر تحلیل و مدل سازی خرابی های رایج از جمله ترک های طولی و عرضی، ترک پوست سوسماری، نشست موضعی، شیارشدگی و گودافتادگی است.در این مطالعه، مجموعه ای از داده های میدانی شامل شرایط ساخت، مشخصات هندسی، نوع مصالح، بارگذاری ترافیکی و شرایط محیطی از چندین پروژه واقعی جمع آوری شد. سپس با بهره گیری از الگوریتم های داده کاوی مانند درخت تصمیم (Decision Tree)، جنگل تصادفی (Random Forest) و شبکه عصبی مصنوعی (ANN)، مدل های پیش بینی توسعه یافته و دقت آن ها با معیارهایی نظیر ضریب تعیین (R²)، میانگین خطای مطلق (MAE) و جذر میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفت.نتایج تحلیل ها نشان داد که مدل جنگل تصادفی با دقت بالا و توانایی تعمیم بهتر نسبت به سایر روش ها، قادر به پیش بینی زمان شروع خرابی و کاهش عملکرد روسازی می باشد. مدل های پیشنهادی، علاوه بر افزایش دقت پیش بینی، امکان شناسایی متغیرهای بحرانی موثر بر خرابی را نیز فراهم می سازند. یافته های این پژوهش می توانند به تصمیم گیرندگان و مدیران پروژه های زیرساختی کمک کنند تا استراتژی های بهینه تری برای طراحی، اجرا و نگهداری روسازی های آسفالتی تدوین نمایند.

کلیدواژه ها:

روسازی آسفالتی ، عمر مفید ، مدل سازی خرابی ، داده کاوی ، یادگیری ماشین ، درخت تصمیم ، جنگل تصادفی ، شبکه عصبی مصنوعی ، نگهداری پیشگیرانه