فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی خصوصیات ویسکوالاستیک ماستیک در مهندسی روسازی از اهمیت بالایی برخوردار است. تاکنون پیش‌بینی خصوصیات ویسکوالاستیک ماستیک با استفاده از ابزارهای یادگیری ماشین که رابطه ریاضی ارائه می‌دهند مورد توجه قرار نگرفته است. هدف از این تحقیق پر کردن این خلا تحقیقاتی و  توسعه مدلهای پیش‌بینی برای مدول مرکب برشی (G*) و زاویه فاز (δ) ماستیک با قیر اصلاح شده توسط استایرن بوتادین استایرن (SBS) در دمای پایین و متوسط می‌باشد. سه مقدار متفاوت  SBS(2، 4 و 6 درصد) برای اصلاح قیر و چهار درصد مختلف پرشدگی فیلر (10، 18، 25 و 35 درصد) برای ساخت نمونه‌های ماستیک در نظر گرفته شده است. آزمایش رئومتر برشی دینامیکی (DSR) در حالت جاروب فرکانس در 21 فرکانس بارگذاری از 1/0  تا 100 هرتز و در هفت دمای 22-، 16-، 10-، 0، 10، 16 و 22 درجه سانتیگراد انجام شده است. با استفاده از این آزمایش مقدار G* و  δ  قیر پایه، قیر اصلاح شده و همچنین نمونه‌های ماستیک اندازه‌گیری شده است. به عبارت دیگر، از نتایج حاصل از انجام آزمایش جاروب فرکانس به منظور تهییه داده‌های مورد نیاز برای ساخت مدل پیش‌بینی استفاده شده است. از برنامه‌ریزی ژنتیکی چند ژنی برای توسعه مدل پیش‌بینی G* و  δ  ماستیک با در نظر گرفتن متغیرهای ورودی درصد افزودنی، فرکانس، دما، درصد پر شدگی فیلر و G* و  δ  قیر پایه استفاده شده است. در نهایت دو مدل پیش‌بینی مجزا برای G* و  δ  ارایه شده است که بترتیب دارای ضریب تعیین 96/0 و 98/0 می‌باشند. نتایج نشان می‌دهد که برنامه‌ریزی ژنتیکی چند ژنی می‌تواند با دقت بسیار مناسب رفتار ویسکوالاستیک ماستیک را پیش‌بینی نماید. پس از بررسی عملکرد مدل‌ها، با انجام تحلیل حساسیت روی آن‌ها، نشان داده شد که خصوصیات ویسکوالاستیک قیر پایه به عنوان متغیرهای ورودی بیشترین تاثیر را در پیش‌بینی متغیر‌های خروجی دارند.