انتخاب الگوریتم بهینه شبکه عصبی در تحلیل روسازی‏ های انعطاف ‏پذیر راه‏ ها

تحلیل روسازی‏های راه ها همواره بدلیل شناخت بهتر رفتار آنان تحت شرایط متفاوت از اهمیت بالایی برخوردار بوده و باعث درک بهتر و در نتیجه طرح روابط دقیق تر می‏گردد. در زمینه تحلیل روسازی ها، نرم‏افزارهای بسیاری ایجاد شده اند که بیشتر آنان بر پایه تئوری چند لایه ای و تعداد کمی بر اساس روش اجزای محدود ساخته شده اند. مشکل اصلی موجود در تمامی آنان، نیازشان به داده‏های ورودی زیاد، زمان بر بودن فرآیند مدل‏سازی و شبیه سازی تنها یک مقطع در هر زمان می‏باشد. از طرف دیگر شبکه‏های عصبی مصنوعی، به عنوان یکی از شاخه‏های علم هوش مصنوعی دارای مزایای زیادی است که از آن جمله می‏توان به محدود نمودن تعداد داده‏های ورودی، سرعت بالای فرآیند مدلسازی، توانایی مدل‏سازی همزمان چندین روسازی با شرایط مختلف و ... را نام برد. در این مقاله پس از اطمینان از صحت نحوه مدل‏سازی روسازی‏های انعطاف پذیر با استفاده از 384 مدل انجام شده، به طرح شبکه عصبی مصنوعی جهت تحلیل روسازی‏های انعطاف پذیر پرداخته شده است. در نهایت شبکه بهینه از نوع انتشار برگشتی پیش خور با آرایش 2-10-8 با تابع انتقال سیگموید بعنوان شبکه بهینه انتخاب گردیده است.