مدل‌سازی شاخص وضعیت روسازی (PCI) با استفاده از رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی

Authors

  • امین فرج اللهی گروه مهندسی عمران، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
  • عباسعلی طایفی نصرآبادی گروه مهندسی عمران، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
Abstract:

یکیازمهمتریناهدافیکسیستممدیریتروسازی،تعییناولویت‌هاوزمانبهینهبرایتعمیرات،از طریقپیش‌بینیوضعیتروسازیاست.درواقعهدفسیستممدیریتروسازی(PMS)،ترمیمونگهداریدر مراحلنخستینخرابیوصرفه‌جوییدرهزینه‌هاست. از این رو در این پژوهش به منظور تعیین شاخص وضعیت روسازی (PCI)، دو مدل رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی را برازش داده و قدرت تخمین آنها مقایسه گردید. در این راستا خرابی‌های سه آزادراه کربلا، پل زال و تهران – قم مورد بررسی قرار گرفته، تا بدین وسیله بتوان روش مناسب برای پیش‌بینی شاخص وضعیت روسازی، به منظور شناسایی بهینه‌ترین زمان تعمیر و نگهداری در جهت کاهش هزینه‌های آن، شناسایی گردد. برای دستیابی به هدف مورد نظر برای ارزیابی قطعات (واحدهای نمونه) از نرم‌افزار‌های Micropaver و برای ساخت مدل‌ها از نرم افزار MATLAB و SPSS استفاده گردید. به منظور برداشت خرابی‌های واحد‌های نمونه به فواصل 100 متر و قطعات به فواصل 500 از این مسیر برداشت شد. متغیرهای مورد بررسی در تحلیل مدل‌ها شامل: طول عمر قطعه در زمان بازرسی (ماه)، عرض واحد نمونه، متوسط AADT در طول عمر قطعه، متوسط درصد وسایل نقلیه سنگین در طول عمر قطعه، بیشینه دما در طول عمر قطعه در سال 1396،کمینه دما در طول عمر قطعه در سال 1396 وضخامت روسازی (سانتی­متر) می‌باشد. بر اساس نتایج به دست آمده میزان عملکرد مدل شبکه عصبی بر اساس شاخص میانگین مربعات خطا (MSE) و همچنین شاخص R2که به ترتیب برابر است با 0.95 و 0.87 می‌باشد که در مقایسه با مدل رگرسیون خطی چندگانه (0.139) دارای اعتبارسنجی بیشتری جهت پیش‌بینی وضعیت آینده روسازی می‌باشد. علاوه بر آن با توجه به مدل شبکه عصبی می‌توان دریافت طول عمر قطعه بیشترین اهمیت را در ساخت شبکه عصبی داشته (0.55) و پس از آن بیشینه دما (0.122) و درصد وسایل نقلیه سنگین (0.120) متغیرهای مهم بعدی در پیش‌بینی وضعیت روسازی راه‌ها می‌باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد دمای خاک از داده‌های هواشناسی با استفاده از مدل‌های یادگیری ماشین سریع، شبکه عصبی مصنوعی و رگرسیون خطی چندگانه

دمای خاک عامل کلیدی است که فرآیندها و خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک را کنترل می­کند؛ لذا بر کمیت و کیفیت تولید محصولات کشاورزی تأثیر می­گذارد. هدف از انجام این پژوهش برآورد دمای خاک با استفاده از پارامترهای هواشناسی به روش­های مختلف ماشین یادگیری بوده است. بدین منظور داده‌های هواشناسی و دمای خاک در عمق‌های 5، 10، 20، 30، 50 و 100 سانتی‌متری از 17 ایستگاه‌ سینوپتیک استان خوزستان مربوط ...

full text

مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مؤلفه‌های اصلی و رگرسیون خطی چندگانه جهت مدل‌سازی شاخص کیفیت هوای شهری

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روش‌های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه‌های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده‌های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی 1385 تا 1390 استف...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

تعیین عدد سازه‌ای موثر روسازی بر اساس شاخص ناهمواری و خرابی سطحی با استفاده از مدل‌های رگرسیون و شبکه عصبی

اطلاع از وضعیت سازه­ای روسازی می­تواند نقش موثری در پیاده­سازی و اجرای یک سیستم مدیریت روسازی کارآمد داشته باشد. تعیین عدد سازه­ای موثر می­تواند در طراحی، بهسازی و تعمیر و نگهداری، تعیین مقاطع همگن و پیش­بینی خرابی روسازی و شناسایی مقاطع نیازمند به آزمایش­های تکمیلی میدانی مد نظر قرار...

full text

مدل‌سازی عرض عملیات خاکی جاده های جنگلی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چندگانه

عرض عملیات خاکی، به ­عنوان یکی از مهم‌ ترین پارامترهای تعیین‌ کننده حجم خاکبرداری و خاکریزی، در هزینه و تخریب ناشی از عملیات جاده‌ سازی در جنگل مؤثر است. هدف از این پژوهش بررسی امکان پیش‌ بینی عرض عملیات خاکی جاده‌ های جنگلی است. برای نیل به این هدف دو روش شبکه عصبی مصنوعی و رگرسیون خطی چندگانه بکار گرفته شده است. برای این منظور، 192 مقطع عرضی در جاده­های جنگلی سوردار-واتاشان مورد بررسی قرار گر...

full text

تخمین سرعت نفوذپذیری پایه با استفاده از مدل‌های نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره

ننفوذ یکی از مهم‌ترین مشخصه‌های فیزیکی خاک است که اندازه‌گیری مستقیم آن دشوار، زمان‌بر و پرهزینه می‌باشد. هدف از این پژوهش تخمین سرعت نفوذپذیری پایه با استفاده مدل‌های نروفازی، شبکة مصنوعی و رگرسیون خطی چند متغیره است. بدین منظور، در 100 نقطه در منطقه دهگلان استان کردستان سرعت نفوذپذیری پایه با استفاده از استوانه مضاعف اندازه‌گیری شد. ویژگی‌های فیزیکی خاک (تخلخل، جرم ویژه ظاهری، شن، سیلت و رس) ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 17  issue 1

pages  47- 60

publication date 2020-03-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023