كاربرد شبكه عصبي - مصنوعي ANN براي پيش بيني ناهمواري در روسازي هاي انعطاف پذير

راهها و بزرگراهها در يك كشور به منزله شاهرگهاي حياتي آن كشور هستند . وجود راهها باعث پويايي و تحرك هر منطقه مي گردد و اين تحرك به نوبه خود باعث توسعه و بهبود اقتصادي مي شود . با توجه به روند توسعه روزافزون كشورها، اهميت راهها روز به روز زياد شده و بر ميزان ترافيك آنها نيز افزوده مي شود . اين امر لزوم توجه بيشتر به بخش راهها را آش كار مي سازد . در دنياي امروز يكي از اركان مهم توسعه اقتصادي، راههاي با بازدهي مناسب هستند . به همين دليل در سالهاي اخير مديريت نگهداري راهها به يك حرفه تخصصي تبديل شده است . يكي از مهمترين پارامترهايي كه مرتبط بافرايند تصميم گيري در سيستمهاي مديريت روسازيها م ي باشد و در عملكرد روسازي و همچنين هزينه هاي مربوط به استهلاك وسايل نقليه و نيز كيفيت سواري راهها مؤثر است، ناهمواري راه (Roughness) نامگذاري مي شود . ناهمواري با شاخص هاي متفاوتي ارائه مي گردد كه مهمترين آنها كه امروزه در اكثر كشورهاي جهان كاربرد دارد شاخص ي بنام شاخص ناهمواري بين المللي (IRI) مي باشد كه واحد m/km يا in/mi دارد . در اين مقاله پس از معرفي ناهمواري راه با استفاده از شبكه هاي عصبي - مصنوعي (ANN) مدلي جهت پيش بيني ميزان ناهمواري تحت شاخص IRI ارائه شده است . با تو جه به نياز به يك منبع اطلاعات نسبتاً جامع و عدم وجود اطلاعات كافي مربوط به مشخصات ناهمواري رويه راههاي ايران، بانك اطلاعات LTPP مربوط به راههاي آمريكاي شمالي مورد استفاده واقع شد . پس از جمع آوري اطلاعات لازم، به كمك نرم افزار MATLAB نسبت به تجزيه و تحليل داده ها اقدام و مدل استخراجي پيشنهاد شد . با استفاده از اين مدل مي توان مقدار ناهمواري راهها را پيش بيني نمود