فهرست نشریات علمی دسترسی آزاد ایران

یکی از مشکلات اصلی در زمینه روسازی راه‌ها، عدم شناخت دقیق رفتار روسازی تحت بارهای عبوری و در نتیجه عدم امکان تعیین ضریب بار هم‌ارز در تبدیل بارها به بار معادل است. تحقیقات بسیاری در این زمینه انجام شده که کامل‌ترین آن‌ها، روش مبتنی بر آزمایشات جامع اشتو است. ضعف اصلی ضرایب بار هم‌ارز در این روش، محدودیت نتایج به محورهای بررسی شده بوده که باعث عدم امکان تعیین دقیق ضرایب بار هم‌ارز برای تمامی محورهای موجود است. این علت را می‌توان یکی از دلایل بروز خرابی‌های زودرس و صرف هزینه‌های بالای تعمیر و نگهداری راه‌ها دانست. امروزه، با پیشرفت علم نرم‌افزارهای بسیاری در زمینه تحلیل روسازی‌ها ایجاد شد که می‌توان از آن‌ها در تعیین این ضریب استفاده کرد. مشکل اصلی موجود در تمامی آنان، نیاز به داده‌های ورودی متعدد، زمان‌بر بودن فرایند شبیه‌سازی و امکان بررسی 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 محدود کردن تعداد داده‌های ورودی، سرعت بالای فرایند مدل‌سازی، توانایی مدل‌سازی هم‌زمان چندین روسازی با شرایط مختلف را نام برد. لذا در این پژوهش پس از اطمینان از صحت نحوه مدل‌سازی روسازی‌های انعطاف‌پذیر با استفاده از نرم‌افزار اجزای محدود آباکوس، به طرح شبکه عصبی مصنوعی جهت تعیین ضریب بار هم‌ارز پرداخته شده است. در نهایت شبکه بهینه از نوع انتشار برگشتی پیش‌خور با آرایش 1-13-7 و تابع انتقال سیگموید بعنوان شبکه بهینه انتخاب گردیده است.