پیشبینی فضای خالی مخلوطهای آسفالتی در جادههای تحت سرویس با استفاده از شبکههای عصبی مصنوعی
محل انتشار: فصلنامه مهندسی حمل و نقل، دوره: 17، شماره: 2
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 16
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_JTE-17-2_007
تاریخ نمایه سازی: 5 خرداد 1405
چکیده مقاله:
فضای خالی مخلوط آسفالتی یکی از مهمترین پارامترها در طراحی و عملکرد آسفالت در فرایند طراحی، ساخت و تعمیر روسازیها می باشد. تغییرات این پارامتر پس از ساخت جاده، تحت ترافیک و در طول زمان، باعث تغییر در عملکرد مخلوط های آسفالتی می شود. از این رو پیش بینی فضای خالی آسفالت در جاده تحت سرویس، نیازی اساسی برای پیش بینی تغییرات عملکرد آسفالت به شمار می رود. در این تحقیق، اولین مدل پیش بینی برای تخمین فضای خالی آسفالت، با استفاده از شبکه های عصبی مصنوعی (ANNs) پیشرو ، با الگوریتم آموزش انتشار به عقب لونبرگ-مارکواد (LMBP) ، با موفقیت و دقت بالای ۹۷/۰ = R۲ ارائه شده است. الگوریتم LMBP یک روش دینامیک است که سرعت تکنیک گوس- نیوتن را با تضمین همگرایی تکنیک SD همراه می کند. همچنین، نحوه طراحی و تنظیم پارامتر های آموزش LMBP ، برای افزایش امکان دستیابی به دقت بالاتر ارائه شده است.
کلیدواژه ها:
نویسندگان
علی حیدری پناه
استادیار، پژوهشکده مواد، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، 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 :
