مدل پیش بینی عدم قطعیت اضمحلال روسازی با استفاده از تئوری خاکستری (مطالعه موردی: مسیر بزرگراهی گرمسار-قم)
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 23، شماره: 82
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 5
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-23-82_004
تاریخ نمایه سازی: 26 فروردین 1405
چکیده مقاله:
امروزه پس از آن که شبکه ای از راه ها شکل می گیرد مدیریت ترمیم و به سازی راه ها در اولویت قرار می گیرد. به منظور مدیریت ترمیم و بهینه سازی راه ها شاخص های ناهمواری، وضعیت روسازی، کیفیت روسازی، مقاومت لغزشی و خدمت دهی راه در مدل سازی اضمحلال نقش اساسی دارند. از این رو هدف اصلی این مقاله از یک سو ارزیابی شاخص-های موردنیاز وضعیت روسازی به منظور مدل سازی فرایند اضمحلال است و از سوی دیگر درنظرگرفتن عدم قطعیت فرایند اضمحلال روسازی از طریق مدل سازی خاکستری می باشد. استخراج کلیه شاخص ها فرایندی زمان بر و هزینه بر می باشد به همین منظور ابتدا با استفاده از ارزیابی روابط خاکستری، شاخص های ناهمواری و وضعیت روسازی مورد بررسی قرار گرفت. نتایج نشان داد هر دو شاخص تاثیر تقریبا یکسانی بر سن روسازی دارند. با توجه به تاثیر یکسان دو شاخص بر سن روسازی، از شاخص IRI برای مدل سازی خاکستری بهره گرفته شده است. همبستگی بالا بین این شاخص و راحتی کاربران راه و نیز تاثیر روند تغییرات آن بر وضعیت عملکردی روسازی، از دلایل انتخاب این شاخص جهت تحلیل عدم قطعیت اضمحلال روسازی در مقاله حاضر بوده است. در ادامه به منظور درنظرگرفتن عدم قطعیت در فرایندهای پیش بینی اضمحلال از مدل های پیش بینی خاکستری که قادر به تشخیص وضعیت آتی سیستم های غیرقطعی بر پایه دانش موجود می باشد استفاده شده است. برای صحه گذاری مدل پیشنهادی مقایسه ای بین این روش و رگرسیون صورت گرفت. نتایج مقایسه نشان داد که اختلاف متوسط خطای نسبی در دو روش بسیار ناچیز و برابر ۰۱/۰ است.
کلیدواژه ها:
نویسندگان
حامد ملکی
دانشکده مهندسی صنایع، دانشگاه یزد، یزد، ایران
محمدباقر فخرزاد
دانشکده مهندسی صنایع، دانشگاه یزد، یزد، ایران
اکبر دانش
دانشکده مهندسی عمران، دانشگاه تهران، تهران، ایران
حمزه ذاکری
دانشکده مهندسی عمران، دانشگاه امیرکبیر، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :