فهرست نشریات علمی دسترسی آزاد ایران

لایه اساس بازیافت شده به­ روش تمام عمق، FDR، (Full Depth Reclamation)، مخلوطی از مصالح درشت‌دانه و خرده آسفالت بازیافتی، RAP، (Reclaimed Asphalt Pavement) است که توسط یک عامل تثبیت‌کننده تثبیت‌شده است. برای طراحی و کنترل کیفیت این مصالح، مقاومت فشاری تک‌محوری این مصالح ملاک عمل است. هدف این مقاله توسعه یک مدل یادگیری ماشین برای پیش‌بینی مقاومت فشاری تک‌محوری مصالح اساس بازیافت تمام عمق تثبیت‌شده با سیمان پرتلند بر اساس روش رگرسیون چندجمله‌ای تکاملی، EPR، (Evolutionary Polynomial Regression) است. برای این منظور، دو مصالح مختلف اساس با درصد‌های مختلفی از خرده آسفالت مخلوط و سپس با درصدهای متفاوتی از سیمان پرتلند تثبیت شدند و مقاومت فشاری نمونه‌ها در زمان‌های عمل­ آوری 7 و 28 روز تعیین شده است. برای آموزش و آزمایش مدل EPR، مجموعاً 64 داده UCS (Unconfined Compressive Strength) آزمایشگاهی مورد استفاده قرار گرفت. متغیرهای مستقل در مدل توسعه‌یافته به­ صورت درصد RAP، درصد سیمان، درصد رطوبت بهینه، درصد عبوری از الک نمره 200 و زمان عمل‌آوری در نظر گرفته شد. نتایج این تحقیق نشان می‌دهد که مدل توسعه داده‌شده در اکثر موارد با خطای کم­تر از 10 درصد توانایی پیش‌بینی مقاومت فشاری تک ­محوری را دارد.  همچنین مقدار ضریب رگرسیون R2 برای مجموعه داده‌های آموزش و آزمون به­ ترتیب برابر با 973/0 و 960/0 به­ دست آمد. نتایج تحلیل پارامتریک نشان داد که با افزایش درصد خرده آسفالت تا 20 درصد مقاومت فشاری افزایش و پس از آن کاهش می‌یابد. تحلیل حساسیت مدل پیشنهادی با استفاده از آزمون گاما نشان داد که درصد سیمان مهم‌ترین پارامتر تأثیرگذار برمقاومت فشاری تک­ محوری مصالح اساس بازیافت تمام عمق تثبیت‌شده با سیمان پرتلنداست.