محاسبات برگشتی غیرخطی روسازی‌های مقطع معکوس با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم بهینه‌سازی برخورد اجسام

یکی از روش‌های متداول برای تعیین ظرفیت باربری روسازی، بهره‌گیری از نتایج آزمایش‌ افت و خیز سنج ضربه‌ای (FWD) است. سیستم‌ روسازی‌های مقطع معکوس در سال 1970 میلادی در آفریقای جنوبی توسعه‌یافته است. این روسازی به‌صورت یک ساختار ساندویچی اجرا می‌شود، به‌طوری‌که یک لایه اساس سنگدانه‌ای بین دولایه با مدول برجهندگی بالا (لایه بتن آسفالتی و لایه اساس تثبیت‌شده با سیمان) قرار می‌گیرد. هدف از این تحقیق توسعه روشی به‌منظور پیش‌بینی مدول برجهندگی لایه‌های روسازی بر پایه افت‌وخیزهای اندازه‌گیری شده با دستگاه افت و خیز سنج ضربه‌ای است. با توجه به اینکه مدلسازی غیرخطی مصالح اساس سنگدانه‌ای در روسازی‌های مقطع معکوس بسیار حائز اهمیت است، برای ایجاد پایگاه داده افت و خیز از تحلیل غیرخطی حدود 38000 مقطع روسازی معکوس توسط برنامه المان محدود غیرخطی MICHPAVE استفاده شده است. سپس با بهره‌گیری از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم بهینه‌سازی برخورد اجسام، روشی به منظور انجام محاسبات معکوس روسازی‌های مقطع معکوس با فرض رفتار غیر خطی اساس سنگدانه‌ای توسعه داده شده است. نتایج این تحقیق نشان دهنده انطباق بسیار خوب افت و خیزهای حاصل از برنامه MICH-PAVE با نتایج حاصل از برنامه KENLAYER و داده‌های میدانی است. همچنین این تحقیق نشان داد که شبکه عصبی مصنوعی با دقت بسیار بالا (ضریب رگرسیون بیش از 99/99 درصد) امکان پیش‌بینی کاسه نشست سطح روسازی‌های مقطع معکوس با توجه به اطلاعات مدول برجهندگی و ضخامت لایه‌ها را فراهم می‌سازد. به علاوه مشخص شد که مدل ترکیبی شبکه عصبی و الگوریتم برخورد اجسام در مقایسه با مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم‌ ژنتیک دقت و سرعت بسیار بالاتری برای پیش‌بینی مدول های برجهندگی لایه‌های روسازی مقطع معکوس دارد.