فهرست نشریات علمی دسترسی آزاد ایران

ترک‌های خطی و پوست‌ سوسماری از مهم‌ترین شاخص‌های عملکرد روسازی آسفالتی هستند و پیش‌بینی دقیق آن‌ها نقش کلیدی در برنامه‌ریزی نگهداری دارد. در این پژوهش، با استفاده از داده‌های چندماژوله پایگاه داده عملکرد بلند مدت روسازی (LTPP) شامل متغیرهای ترافیکی، اقلیمی و عملکردی، یک چارچوب داده‌محور برای پیش‌بینی شدت، طول و مساحت خرابی‌های آسفالتی ارائه شده است. ویژگی‌های مؤثر نظیر شاخص‌های خرابی سطحی، ضخامت روکش، مشخصات ترافیکی و شاخص‌های اقلیمی استخراج و پس از مهندسی ویژگی، در مدل‌های یادگیری ماشین شامل طبقه‌بندی شدت و شبکه عصبی مصنوعی به‌کار گرفته شد. استفاده از روش اسموت (SMOTE) موجب افزایش دقت طبقه‌بندی شدت ترک خطی از 782/0 به 843/0 و ترک پوست ‌سوسماری از 845/0 به 930/0 گردید. نتایج حاکی از عملکرد مناسب مدل‌ها با ضرایب تعیین 941/0 برای پیش‌بینی طول ترک خطی و 954/0 برای مساحت ترک پوست ‌سوسماری بوده و قابلیت کاربرد آن‌ها در نگهداری پیشگیرانه و مدیریت چرخه عمر روسازی را نشان می‌دهد.