مدل سازی شاخص وضعیت روسازی (PCI) با استفاده از رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی

کی از مهمترین اهداف یک سیستم مدیریت روسازی، تعیین اولویتها و زمان بهینه برای تعمیرات، از طریق پیشبینی وضعیت روسازی است. در واقع هدف سیستم مدیریت روسازی PMS ، ترمیم و نگهداری در مراحل نخستین خرابی و صرفه جویی در هزینه هاست. از این رو در این پژوهش به منظور تعیین شاخص وضعیت روسازی PCI ، دو مدل رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی را برازش داده و قدرت تخمین آنها مقایسه گردید. در این راستا خرابی ای سه آزادراه کربلا، پل زال و تهران – قم مورد بررسی قرار گرفته، تا بدین وسیله بتوان روش مناسب برای پیشبینی شاخص وضعیت روسازی، به منظور شناسایی بهینهترین زمان تعمیر و نگهداری در جهت کاهش هزینه های آن، شناسایی گردد. برای دستیابی به هدف مورد نظر برای ارزیابی قطعات واحدهای نمونه از نرم افزارهای Micropaver و برای ساخت مدلها از نرم افزار MATLAB و SPSS استفاده گردید. به منظور برداشت خرابی های واحدهای نمونه به فواصل 100 متر و قطعات به فواصل 500 از این مسیر برداشت شد . متغیرهای مورد بررسی در تحلیل مدلها شامل: طول عمر قطعه در زمان بازرسی ماه، عرض واحد نمونه، متوسط AADT در طول عمر قطعه، متوسط درصد وسا لی هینقل یسنگ ن در طول عمر قطعه یشیب ، نه دما در طول عمر قطعه در سال 1396 ،یکم نه دما در طول عمر قطعه در سال 1396 و ضخامت روسازی سانتیمتر میباشد. بر اساس نتایج به دست آمده میزان عملکرد مدل شبکه عصبی بر اساس شاخص میانگین مربعات خطا MSE و همچنین شاخص R 2 که به ترتیب برابر است با 95,0 و 87,0 میباشد که در مقایسه با مدل رگرسیون خطی چندگانه 139,0 دارای اعتبارسنجی بیشتری جهت پیش بینی وضعیت آینده روسازی میباشد. علاوه بر آن با توجه به مدل شبکه عصبی میتوان دریافت طول عمر قطعه بیشترین اهمیت را در ساخت شبکه عصبی داشته 55,0 و پس از آن بیشینه دما 122,0 و درصد وسایل نقلیه سنگین 120,0 متغیرهای مهم بعدی در پیشبینی وضعیت روسازی راه ها میباشد.