پیش بینی عملکرد خستگی مخلوط های آسفالتی اصلاح شده با افزودنی های مختلف با استفاده از شبکه عصبی مصنوعی (ANN)

امروزه از الگوریتم های هوش مصنوعی نظیر شبکه های عصبی مصنوعی)ANN( برای پیش بینی ویژگی های مخلوطهای آسفالتی و به حداقل رساندن فعالیت های آزمایشگاهی استفاده می شود. یکی از ویژگی های مهم و تاثیر گذار بر عمر و دوام روسازی های آسفالتی عملکرد خستگی مخلوطهای آسفالتی می باشد. در این مقاله با استفاده از یک مدل مناسب از شبکه های عصبی مصنوعی به پیش بینی تاثیر افزودنی های مختلف بر عملکرد خستگی مخلوطهای آسفالتی پرداخته شده است. بدین منظور دو نوع مخلوط آسفالتی ساده و اصلاح شده با خرده شیشه و پودر آهن ضایعاتی ساخته شد. آزمایشات مارشال و ناتینگهام برای تعیین خصوصیات مکانیکی مخلوطهای آسفالتی انجام گرفت و و پارامترهایی نظیر، نوع مخلوط (ساده، اصلاح شده)، در صد فضای خالی، حجم فضای خالی در مصالح سنگی، وزن مخصوص نمونه متراکم آسفالت (واقعی) ، روانی، استقامت مارشال، سطح تنش اعمالی، دما و کرنش نهایی به عنوان پارامترهای ورودی موثر در پیش بینی عملکرد خستگی آسفالت در نظر گرفته شده اند. نتایج بدست آمده از این تحقیق نشان می دهد که شبکه عصبی مصنوعی ارائه شده از دقت و توان بالایی برخوردار بوده و همچنین با توجه به امکان استفاده از پارامتر های ورودی بیشتر نسبت به مدل های رگرسیونی می تواند به عنوان ابزاری جامع، دقیق و سریع برای طرح مخلوطهای آسفالتی و پیش بینی عملکرد خستگی آن استفاده شود.

کلیدواژه ها:

شبکه عصبی مصنوعی )ANN(: مخلوطهای آسفالتی ، پیش بینی عملکرد خستگی ، افزودنی