پیش بینی عملکرد روسازی با تلفیق مدل خانواده و شبکه عصبی (مطالعه موردی: معابر شهر ساری)

مدل پیش بینی عملکرد روسازی مهم ترین بخش از یک سیستم مدیریت روسازی است. اثر بخشی برنامه های بلندمدت و میان مدت تعمیرات و نگهداری راه، وابسته به صحت و اعتبار مدل پیش بینی عملکرد روسازی است. در مدلهای خانواده، قطعات مختلف که مشخصات فنی مشابه داشته و روند افت کیفیت آنها یکسان باشد، در یک گروه قرار گرفته و برای مجموعه قطعات روسازی هر خانواده، یک مدل پیش بینی ساخته می شود. مدلسازی بر اساس خانواده روسازی با کمترین داده ها و با سریعترین و ارزانترین روش می تواند نتایجی با دقت بسیار خوب بدست دهد.
در این تحقیق در خیابانهای شهر ساری دو خانواده مختلف روسازی تعریف شده است که عبارتند از خانواده یک روسازی شامل معابر با ترافیک سنگین و ضخامت زیاد آسفالت و خانواده دو روسازی شامل معابر با ترافیک سبک و ضخامت کم آسفالت. کلیه خیابانهای اصلی شهر مورد ارزیابی قرار گرفته و شاخص کیفیت روسازی (PCI) و عمر روسازی تعیین شده است. در هر خانواده روسازی با روش رگرسیون مدلسازی انجام شده است که نهایتا یک مدل رگرسیون درجه سه با ضریب همبستگی 90% برای خانواده یک روسازی و ضریب 84% برای خانواده دو روسازی بدست آمد. همچنین در هر خانواده روسازی، با استفاده از شبکه عصبی و با روش پرسپترون چند لایه (MLP) پیش بینی عملکرد روسازی انجام گرفت که ضریب همبستگی 93% را نشان می دهد. با توجه به اینکه مدلسازی فقط با یک بار ارزیابی روسازی انجام شده است، دقت مدلها بسیار خوب ارزیابی می شود که ناشی از استفاده از روش خانواده روسازی است. در نهایت تلفیق مدل خانواده با شبکه عصبی نسبت به روش رگرسیون به نتایج بهتری منجر شده است.