مدل سازی تاثیردرصد مصالح سنگی شکسته درمقاومت مارشال آسفالت با بکارگیری شبکه های عصبی مصنوعی

درصدمصالح سنگی شکسته یکی ازمهمترین عوامل موثردرمقاومت فشاری آسفالت وعملکرد آن است تاثیر آن درمقاومت مارشال اسفالت به کمک آزمایش مارشال قابل ارزیابی است و به نظر می رسد که تاکنون مدلسازی ریاضی خاصی برآن آن انجام نشده است دراین تحقیق تاثیردرصد مصالح سنگی شکسته درمقاومت فشاری بتن آسفالتی توسط شبکه های عصبی مصنوعی پرسپترون چندلایه پیشرووالگوریتم آموزش انتشاربه عقب باتکنیک بهینه سازی عددی لونبرگ ـ مارکوات مدلسازی شده است بدین منظوردرصدهای عبوری ازالکهای شماره 20و50و30و8و4و1/2اینچ درصدمصالح سنگی شکسته و درصد قیربه عنوان ورودیهای شبکه باتعدادمشخص نرون 3,6,8,10 درلایه پنهان برای شبیه سازی داده های جدید تعیین شده است بررسیهای انجام شده نشان میدهند که توان شبیه سازی شبکه ها به میزان آموزش بسیارحساس بوده و باافزایش آموزش ازیک حدمعین شبکه دچارآموزش بیش ازحدشده و توان تعمیم پذیری آن به شدت کاهش می یابد بنابراین دستیابی به بیشترین توان شبیه سازی مستلزم تلاش فراوان خواهد بود مقایسه این مقادیر بیشینه نشان میدهد که با افزایش تعدادنرونهای لایه پنهان تا 8عدد توان شبیه سازی شبکه ها به حداکثر رسیده و افزایش بیشتر نرونهای لایه پنهان تاثیر قابل توجهی برتوان شبیه سازی شبکه ندارد درمرحله بعدباانجام تحلیل حساسیت توسط شبکه ای که بیشترین توان شبیه سازی را داراست روند تغییرات مقاومت مارشال نسبت به درصد مصالح شبکسته مدلسازی شده است نتایج بدست آمده نشان میدهد که مقاومت مارشال آسفالت باافزایش درصدمصالح شکسته افزایش می یابد که باروند نظری مطابقت دارد

کلیدواژه ها:

شبکه های عصبی مصنوعی ، انتشاربه عقب ، تحلیل حساسیت ، مقاومت مارشال ، درصدمصالح سنگی شکسته