این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی حمل و نقل، جلد ۴، شماره ۱، صفحات ۴۵-۵۸
عنوان فارسی پیش بینی عمر خستگی مخلوطهای آسفالتی با استفاده از شبک ههای عصبی
چکیده فارسی مقاله برای طرح و مدیریت روسازی، پیش بینی عمر خستگی مخلوطهای آسفالتی، مورد نیاز بوده و مورد توجه پژوهشگران مختلف قرارگرفته است. این تحقیق به دنبال بکارگیری تکنیک شبک ههای عصبی ) ANN ( برای پیش بینی عمر خستگی مخلوطهای آسفالتی است. به دلیل محدودیت و عدم دسترسی به داد ههای جامع آزمایشگاهی مربوط به عمر خستگی در داخل کشور، در این تحقیق از داد ههای آزمایشگاهی ایالت کانزاس آمریکا برای مدل سازی استفاده شده است. پارامترهای مؤثر در عمر خستگی، ویسکوزیته قیر )نوع قیر و دما(، سطح کرنش کششی، سختی، درصد قیر، درصد فضای خالی و دانه بندی در نظر گرفته شده اند و بر اساس نتایج آزمایشگاهی، مدل سازی با استفاده از شبکه های عصبی صورت گرفته است. پیش بینی عمر خستگی مخلوطهای آسفالتی توسط شبکه های عصبی مصنوعی پرسپترون چند لایه پیشرو و الگوریتم آموزش انتشار به عقب، با تکنیک بهینه سازی عددی لونبرگ- مارکواردت، مدل سازی شده است. فرآیند مدل سازی با استفاده از جعبه ابزار شبکه عصبی و همچنین با استفاده از برنامه نویسی در نرم افزار MATLAB صورت پذیرفته و نتایج با یکدیگر مقایسه شده اند. نتایج این تحقیق نشان م یدهد که تکنیک شبکه های عصبی در مقایسه با روشهای رگرسیونی موجود، به دلیل توانایی استفاده از متغیرهای بیشتر در مدل سازی و نتایج دقیق تر، روشی مؤثرتر برای پیش بینی عمر خستگی مخلوطهای آسفالتی است. همچنین مقایسه جعبه ابزارشبکه های عصبی بابرنامه نویسی درنرم افزار MATLAB نشان می دهد که با برنامه نویسی می توان به نتایج بهتری برای پیش بینی دست یافت.
کلیدواژه‌های فارسی مقاله عمر خستگی- مخلو طهای آسفالتی- شبک ههای عصبی،
عنوان انگلیسی Prediction of the Fatigue Life of Asphalt Mixtures using Artificial Neural Networks
چکیده انگلیسی مقاله Prediction of the fatigue life of asphaltic concrete is required for design and management of pavements. The prediction of the fatigue life of asphaltic concrete using Artificial Neural Network has been investigated in this research. Sufficient experimental data containing fatigue test conducted on asphaltic concrete over a wide range of conditions was needed for modeling. Therefore, reviewing the literature, the results of the fatigue tests on Kansas State asphalt mixtures were found to be appropriate for this research. The parameters of asphalt viscosity, strain level, stiffness of mixture, asphalt content, air voids content and gradation were selected as input variables, while the fatigue life was set as the only output variable. Progressive multilayer perceptron Artificial Neural Network modeling has been used for prediction of the fatigue life, with back propagation training algorithm and numerical optimization technique of Levenberg-Marquardt. Modeling was performed using the neural network tool box and programming in MATLAB, and the results have been compared. It is shown that the programming, can better predict the fatigue life than directly utilizing the tool box. It is also found that Artificial Neural Network can predict the fatigue life of the asphaltic concrete than the regression equation.
کلیدواژه‌های انگلیسی مقاله fatigue life, asphaltic mixtures, artificial neural netw
نویسندگان مقاله
نشانی اینترنتی http://jte.sinaweb.net/article_2998_0c62532bd98fd6659e8046601b5556e7.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1231/article-1231-223497.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات