تحلیل مدلهای رگرسیونی پیشبینی دمای عمق لایههای آسفالتی-مطالعه مروری
نویسندگان
1 گروه مهندسی عمران، دانشگاه ارومیه
2 گروه مهندسی عمران، دانشگاه ارومیه، ارومیه، ایران
doi
10.22060/ceej.2020.18131.6793چکیده
دمای عمق لایههای آسفالتی به دلیل رفتار ویسکوالاستیک مخلوطهای آسفالتی، در ارزیابی سازهای روسازیهای انعطافپذیر از اهمیت زیادی برخوردار است. دمای عمق لایه آسفالتی میتواند به طور مستقیم در محل اندازهگیری شود و یا توسط مدلهایی پیشبینی گردد. در این مقاله تحلیل جامعی در خصوص دوازده مدل رگرسیونی مهم و پرکاربرد پیشبینی دمای عمق لایههای آسفالتی صورت گرفته و با ارائه سوابق پژوهشی، به بررسی متغیرهای ورودی مدل، تحلیل حساسیت مدل نسبت به این متغیرها، ارزیابی عملکرد آنها از لحاظ دقت و قدرت پیشبینی و نیز مقایسه برتری آنها نسبت به یکدیگر پرداخته شده است. از آن جایی که اغلب این مدلها در مناطق جغرافیایی و شرایط آب و هوایی خاصی توسعه داده شدهاند، مدلهای توسعه یافته با کالیبراسیون مدلهای اصلی برای استفاده در شرایط محلی متفاوت نیز مورد بررسی قرار گرفته است. نتایج پژوهشها نشان میدهد که مدلهای رگرسیونی از عملکرد و دقت خوب و قابل قبولی برخوردار میباشند. در میان مدلهای مورد بررسی، مدل BELLS با توجه به گستره دادههای مورد استفاده در توسعه مدل، عملکرد و دقت مناسب و نیز در نظر گرفتن اثر پارامترهای مختلف به عنوان یکی از بهترین مدلهای رگرسیونی پیشبینی دمای عمق لایههای آسفالتی شناخته میشود. همچنین مدل صولتیفر و همکاران به عنوان مدل اصلاح شده BELLS برای روسازیهای تازه ساخت با دقت بالا و برای مناطق با وضعیت آب و هوایی گرم توسعه یافته است. در مجموع بررسی نتایج پژوهشها نشان میدهد، مدلهای توسعه یافته قابلیت کاربرد در پیشبینی دمای عمق لایههای آسفالتی را با اعمال تصحیحاتی برای روسازیها و شرایط محلی متفاوت دارند.