مهندس ندا کامبوزیا دانشجوی دوره دکتری این دانشکده گرایش مهندسی راه و ترابری، 29 شهریورماه سال 96 از رساله خود تحت عنوان «ارائه مدل پیش بینی عمق شیارشدگی در بتن آسفالتی بر اساس پارامترهای ویسکو الاستیک با استفاده از شبکه های عصبی مصنوعی» در محل سالن کنفرانس دکتر عباس‌نیا با راهنمایی دکتر بهبهانی و دکتر زیاری دفاع نمود.

چکیده این رساله به شرح زیر می‌باشد: انجام تحقیقات جامع در زمینه بررسی رفتار عملکردی روسازی های آسفالتی تحت تاثیر پارامترهای مختلف محیطی و ساختاری می تواند مهندسین را در طرح و نگهداری هرچه بهتر روسازی های آسفالتی یاری رساند. استفاده از راهکاری که بتواند هزینه و زمان ارزیابی را کاهش دهد از اهمیت بسزایی برخوردار است. بهره‌گیری از شبکه ‌های عصبی مصنوعی در بسیاری از علوم مهندسی، عملیات روی داده‌ ها را تسهیل می‌نماید. شبکه های عصبی مصنوعی به عنوان یک ابزار مدلسازی شناخته شده است که به حل مسائل خطی و غیر خطی چند متغیره می پردازد. مدل های حاصل از شبکه عصبی مصنوعی با پردازش بر روی داده های تجربی، دانش یا رابطه نهفته بین متغیر های ورودی و هدف (خروجی) را بدست می آورند و بر اساس آن قادر به پیش بینی و برآورد مقادیر هدف می باشند. با کاربرد گستره وسیعی از نوع و جنس مصالح مصرفی در ساخت رویه های آسفالتی، رفتار عملکردی روسازی ها نیز از نوسانات وسیعی برخوردار است. بنابراین لازم می نماید تا مطالعه ای جامع با در نظر گرفتن تمامی و یا اکثر پارامترهای تاثیر گذار بر این رفتارها انجام شود. هدف از پژوهش حاضر، ارائه مدل آزمایشگاهی تخمین عمق شیارشدگی بتن آسفالتی با بهره گیری از پارامترهای ویسکو- الاستیک و به کمک شبکه های عصبی مصنوعی می باشد. بدین منظور نمونه های بتن آسفالتی حاوی سه سطح فضای خالی 3، 5 و 7 درصد و با دو نوع مصالح سنگی آهکی و سیلیسی و دو نوع قیر با درجه عملکردی 22-64 و 28-58 ساخته شد و در محدوده دمایی 50 تا 60 درجه سانتی گراد و محدوده تنش 100 الی 300 کیلوپاسکال تحت آزمون خزش دینامیکی قرار گرفت. سپس پارامترهای ویسکوالاستیک نمونه های آسفالتی از روی نمودارهای خزش استخراج گردید و در نهایت مدل پیش بینی عمق شیارشدگی بتن آسفالتی به کمک نرم افزار تصمیم گیری شبکه عصبی مصنوعی، تربیت و ارائه گردید. جهت اعتبارسنجی مدل پیشنهادی ارائه شده به کمک شبکه عصبی مصنوعی، در کنار روش MLP از روش GMDH نیز استفاده گردید. همچنین از نتایج آزمون بار محوری تکرار شونده (RLA)، با همان مصالح و شرایط آزمایشگاهی مندرج در پایان نامه حاضر، جهت اعتبارسنجی مدل پیشنهادی، استفاده شد. در نهایت نیز یک مدل رگرسیون غیر خطی جهت کالیبره نمودن مدل خروجی شبکه عصبی مصنوعی ایجاد و مورد استفاده قرار گرفت. مقایسه نتایج خروجی مدل پیشنهادی با نتایج آزمونهای آزمایشگاهی نشان می دهد که با استفاده از این مدل میتوان با کاهش نیاز به انجام آزمون های پرهزینه و وقت گیر، رفتار خزشی و عمق شیارشدگی رویه های بتن آسفالتی را با لحاظ پارامترهای تاثیرگذار به خوبی و با دقت بالا تخمین زد. واژه‌های کلیدی: بتن آسفالتی، پارامترهای ویسکوالاستیک، شبکه عصبی مصنوعی، شیار شدگی، خزش دینامیکی رایانامه جهت ارتباط با دانشجوی فوق: nkamboozia AT alumni.iust.ac.ir