مدل های شبکه ی عصبی پیش بینی انرژی و چقرمگی شکست مخلوط های آسفالتی مبتنی بر نتایج آزمایش خمش نیم دایره ای (SCB)

اندازه گیری خصوصیات شکست در آزمایش خمش نیم دایره ای (SCB) مخلوط های آسفالتی در دهه گذشته گسترش وسیعی یافته و نتایج مطالعات آزمایشگاهی در این زمینه در مقالات متعددی انتشاریافته است. هدف این مقاله ایجاد و توسعه مدل های شبکه عصبی به منظور پیش بینی انرژی شکست و چقرمگی شکست مخلوط های آسفالتی بر مبنای اصول داده کاوی است. بدین منظور، تعداد ۳۲۹۰ داده حاصل از نتایج آزمایش شکست SCB نمونه های آسفالتی از ۱۰۲ مقاله معتبر جمع آوری شد که ۱۶۲۷ داده برای پیش بینی انرژی شکست و ۱۶۶۳ داده برای محاسبه چقرمگی شکست مورد استفاده قرار گرفت. لایه ورودی شبکه های عصبی شامل داده های جمع آوری شده از مد شکست، سرعت بارگذاری، دمای آزمایش، ضخامت نمونه، عمق شیار، وجود اصلاح کننده، بزرگ ترین اندازه اسمی سنگدانه، درصدهوا، درصد قیر، پیرشدگی، و نوع قیر مخلوط آسفالتی در نظر گرفته شده، و در لایه خروجی انرژی و چقرمگی شکست برای هر ورودی مفروض تولید می شوند. نتایج نشان میدهند مدلهای شبکه عصبی ساخته شده می توانند انرژی شکست را با دقت ۷۵٪ و چقرمگی شکست را با دقت ۷۰٪ پیش بینی کنند.

کلیدواژه ها:

مخلوط های آسفالتی ، آزمایش خمش نیم ­دایره­ای ، انرژی شکست ، چقرمگی شکست ، شبکه ی عصبی