توسعه مدل رگرسیونی غیرخطی پیشبینی دمای عمق لایههای آسفالتی با استفاده از دادههای LTPP – مطالعه موردی: ایالت اوهایو – آمریکا
نویسندگان
1 دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشگاه ارومیه، ارومیه، ایران
2 استادیار، گروه مهندسی عمران، دانشگاه ارومیه، ارومیه، ایران
doi
10.22119/jte.2021.217101.2426چکیده
دمای عمق لایههای آسفالتی یکی از فاکتورهای مهم در فرآیند تحلیل، طراحی و مطالعات بهسازی (روکش) روسازیهای آسفالتی است. مدلهای پیشبینی به عنوان جایگزین اندازهگیری میدانی و آزمایشگاهی این دما، از روشهای کمهزینه و سریع تعیین دمای عمق لایههای آسفالتی هستند. این در حالی است که این مدلها بر اساس دادههای میدانی و آزمایشگاهی محدود ساخته شدهاند و نیاز به توسعه مدلهایی برای تعیین دمای عمق لایههای آسفالتی در شرایط مختلف ترافیکی و آب و هوایی وجود دارد. هدف اصلی این پژوهش توسعه مدلی برای پیشبینی دمای عمق لایههای آسفالتی بر اساس دادههای آب و هوایی است. روش مدلسازی استفاده شده، مدل رگرسیون غیرخطی درجه دوم گام به گام میباشد که دمای عمق لایههای آسفالتی را بر اساس سایر متغیرها شامل عمق مورد نظر از سطح روسازی، دمای هوا، میانگین سرعت و جهت باد، حداقل رطوبت هوا و تابش آفتاب پیشبینی میکند. دادهها از پایگاه داده برنامه عملکرد بلندمدت روسازی (LTPP) استخراج شده و برای مدلسازی از دادههای چندین ساله مربوط به ایالت اوهایو آمریکا استفاده شده است. با استفاده از دادههای موجود، عملکرد مدل توسعه یافته مورد ارزیابی قرار گرفته است. همچنین مدل توسعه داده شده با استفاده از دادههای مربوط به ایالت مونتانای آمریکا، اعتبارسنجی شده است. نتایج پژوهش قابلیت پیشبینی دمای عمق لایههای آسفالتی را بر اساس دادههای آب و هوایی موجود توسط مدل توسعه یافته با دقت پیشبینی بسیار خوب (ضریب تعیین 95/0) و اُریب (بایاس) پیشبینی بسیار کم نشان میدهد.