فهرست نشریات علمی دسترسی آزاد ایران

فضای خالی مخلوط آسفالتی یکی از مهمترین پارامترها در طراحی و عملکرد آسفالت در فرایند طراحی، ساخت و تعمیر روسازیها می باشد. تغییرات این پارامتر پس از ساخت جاده، تحت ترافیک و در طول زمان، باعث تغییر در عملکرد مخلوط های آسفالتی می شود. از این رو پیش بینی فضای خالی آسفالت در جاده تحت سرویس، نیازی اساسی برای پیش بینی تغییرات عملکرد آسفالت به شمار می رود. در این تحقیق، اولین مدل پیش بینی برای تخمین فضای خالی آسفالت، با استفاده از شبکه های عصبی مصنوعی (ANNs) پیشرو ، با الگوریتم آموزش انتشار به عقب لونبرگ-مارکواد (LMBP) ، با موفقیت و دقت بالای 97/0 = R2 ارائه شده است. الگوریتم LMBP یک روش دینامیک است که سرعت تکنیک گوس- نیوتن را با تضمین همگرایی تکنیک SD همراه می کند. همچنین، نحوه طراحی و تنظیم پارامتر های آموزش LMBP ، برای افزایش امکان دستیابی به دقت بالاتر ارائه شده است.