بررسی عملکرد مدل های رگرسیون و شبکه عصبی در تخمین رابطه بین شاخص وضعیت روسازی (PCI) و شاخص ناهمواری بینالمللی (IRI)
نویسندگان
1 دانشآموخته دکتری، گروه مهندسی عمران، گرایش سازه، دانشگاه تهران، تهران، ایران
2 دانشآموخته پسادکتری، گروه مهندسی عمران، گرایش راه و ترابری، دانشگاه صنعتی اصفهان، اصفهان، ایران
3 دانشآموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
doi
10.22034/tri.2022.330959.3023چکیده
ارزیابی و سنجش کیفیت روسازی با شناخت بهتر از عملکرد صحیح بخشهای مختلف سیستم مدیریت روسازی، موجب تعیین بانک اطلاعاتی برای پیشبینی زمان بهینه طراحی و بهروزرسانی اطلاعات میشود. شاخصهای وضعیت روسازی (PCI) و شاخص ناهمواری بینالمللی (IRI) بهعنوان دو معیار سنجش عملکرد ارزیابی روسازی راهها میباشد که تأثیر بسزایی بر مدیریت بودجههای ترمیم و نگهداری راهها دارد. بااینوجود، شاخصهای PCI و IRI جامع و کامل نمیباشند و نیاز است تا مشکلات موجود در آنها با تعیین یک رابطه منطقی و با دقت بالا برطرف شود. هدف از این مطالعه تعیین رابطه بین شاخصهای IRI و PCI با استفاده از تحلیلهای آماری اسپیرمن، پیرسون و دوربین واتسون، مدلهای رگرسیون خطی و غیرخطی و مدل شبکه عصبی میباشد. در همین راستا، دادههای 392 قطعه از راههای شریانی استان اصفهان بررسی شد و شاخصهای PCI و IRI این قطعات بهعنوان جامعه آماری انتخاب شدند. نتایج بخش مدلسازی نشان داد با باوجود عملکرد مناسب شبکه عصبی در پیشبینی دادههای آموزش، ولی در پیشبینی دادههای جدید و در مرحله آزمون با حدود 46 درصد خطا، عملکرد ضعیفی دارد و مدل دچار بیشپردازش شده است. در نهایت، عملکرد مدل رگرسیون خطی نشان داد استفاده از رابطه PCI=-19.802×IRI +126.970 با دقت 77% میتوان مقادیر PCI را با استفاده از دادههای IRI تعیین کرد. با توجه بهسرعت برداشت و تحلیل نتایج بالا شاخص IRI و کاربردی بودن شاخص PCI بهعنوان روش استاندارد در برنامهریزی و تعیین گزینههای نگهداری راهها، این مدل میتواند کمک شایانی را در راستای افزایش دقت و سرعت تصمیمگیریها و کاهش هزینههای سنگین برداشت خرابی و زمان تحلیل نتایج شود.