تخمین عمق شیارشدگی مخلوط های آسفالتی حاوی قیر گرم لاستیکی با استفاده از شبکه عصبی و مدل رگرسیون غیرخطی

نویسندگان

1 گروه مهندسی عمران، واﺣﺪ ﻧﺠﻒ آﺑﺎد، دانشگاه آزاد اسلامی، ﻧﺠﻒ آﺑﺎد، اﯾﺮان

2 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه پیام نور استان تهران، تهران، ایران

3 دانش‌آموخته کارشناسی ارشد، گروه مهندسی عمران، دانشگاه آزاد اسلامی تیران، اصفهان، ایران

4 دانش‌آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

doi
10.22034/tri.2023.397987.3155
چکیده

استفاده از قیرهای اصلاح‌شده موجب افزایش تعدد متغیرهای مؤثر بر مقاومت شیارشدگی روسازی شده است. بر همین اساس، بررسی رفتار شیارشدگی روسازی به‌عنوان یک رویکرد تأثیرپذیر از متغیرهای عملکردی و محیطی می‌تواند موجب بهبود شرایط اجرایی در زمان طراحی و نگهداری و کاهش هزینه‌های سنگین آزمایشگاهی شود. در این تحقیق تلاش می‌شود تا در مرحله اول رفتار شیارشدگی قیرها و مخلوط‌های آسفالتی حاوی ترکیب هم‌زمان پودر لاستیک و ساسوبیت با استفاده از آزمایش‌های خزش و بازگشت در چند سطح تنش (MSCR) و خزش دینامیکی ارزیابی شود. سپس بر اساس کرنش‌های پلاستیک تجمعی رخ‌داده در روسازی، مقاومت شیارشدگی مخلوط‌های آسفالتی با استفاده از مدل‌های شبکه عصبی مصنوعی و رگرسیون چندگانه تخمین زده شود تا در صورت تعیین مدل مناسب با دقت بالا و خطای کم از تولید آسفالت با پتانسیل بالای شیارشدگی در مرحله آزمایشگاهی و پیش از تولید کارخانه‌ای جلوگیری شود. نتایج بخش آزمایشگاهی حاکی از آن بود که باوجود تأثیر مثبت GTR و WMA بر مقاومت شیارشدگی قیرها و مخلوط‌های آسفالتی در درصدها بالا، ولی با در نظر گرفتن هم‌زمان عملکرد فنی روسازی در دماهای بالا و پایین و شرایط اقتصادی قیر حاوی 12% پودر لاستیک و 2% ساسوبیت به‌عنوان ترکیب بهینه پیشنهاد می‌شود. همچنین، نتایج بخش مدل‌سازی نشان داد باوجود عملکرد مناسب مدل‌های رگرسیون و ANN در تخمین مقاومت شیارشدگی، ولی مدل ANN با ضریب همبستگی برابر 939/0 ازنظر دقت و قدرت بهتر از مدل رگرسیون بود. بنابراین می‌تواند به‌عنوان ابزاری قدرتمند و مناسب در کاهش زمان و هزینه و جلوگیری از تولید آسفالت با پتانسیل بالای شیارشدگی در مرحله آزمایشگاهی و پیش از تولید کارخانه‌ای پیشنهاد شود.