کاربرد شبکه عصبی - مصنوعی ANN برای پیش بینی ناهمواری در روسازی های انعطاف پذیر

راهها و بزرگراهها در یک کشور به منزله شاهرگهای حیاتی آن کشور هستند . وجود راهها باعث پویایی و تحرک هر منطقه می گردد و این تحرک به نوبه خود باعث توسعه و بهبود اقتصادی می شود . با توجه به روند توسعه روزافزون کشورها، اهمیت راهها روز به روز زیاد شده و بر میزان ترافیک آنها نیز افزوده می شود . این امر لزوم توجه بیشتر به بخش راهها را آش کار می سازد . در دنیای امروز یکی از ارکان مهم توسعه اقتصادی، راههای با بازدهی مناسب هستند . به همین دلیل در سالهای اخیر مدیریت نگهداری راهها به یک حرفه تخصصی تبدیل شده است . یکی از مهمترین پارامترهایی که مرتبط بافرایند تصمیم گیری در سیستمهای مدیریت روسازیها م ی باشد و در عملکرد روسازی و همچنین هزینه های مربوط به استهلاک وسایل نقلیه و نیز کیفیت سواری راهها مؤثر است، ناهمواری راه (Roughness) نامگذاری می شود . ناهمواری با شاخص های متفاوتی ارائه می گردد که مهمترین آنها که امروزه در اکثر کشورهای جهان کاربرد دارد شاخص ی بنام شاخص ناهمواری بین المللی (IRI) می باشد که واحد m/km یا in/mi دارد . در این مقاله پس از معرفی ناهمواری راه با استفاده از شبکه های عصبی - مصنوعی (ANN) مدلی جهت پیش بینی میزان ناهمواری تحت شاخص IRI ارائه شده است . با تو جه به نیاز به یک منبع اطلاعات نسبتاً جامع و عدم وجود اطلاعات کافی مربوط به مشخصات ناهمواری رویه راههای ایران، بانک اطلاعات LTPP مربوط به راههای آمریکای شمالی مورد استفاده واقع شد . پس از جمع آوری اطلاعات لازم، به کمک نرم افزار MATLAB نسبت به تجزیه و تحلیل داده ها اقدام و مدل استخراجی پیشنهاد شد . با استفاده از این مدل می توان مقدار ناهمواری راهها را پیش بینی نمود

کلیدواژه ها:

ناهمواری ، شاخص ناهمواری بین المللی ، شبکه عصبی - مصنوعی