تعیین ضریب بار هم ارز مبتنی بر الگوریتم شبکه عصبی مصنوعی

یکی از مشکلات اصلی در زمینه روسازی راه ها، عدم شناخت دقیق رفتار روسازی تحت بارهای عبوری و در نتیجه عدم امکان تعیین ضریب بار هم ارز در تبدیل بارها به بار معادل است. تحقیقات بسیاری در این زمینه انجام شده که کامل ترین آن ها، روش مبتنی بر آزمایشات جامع اشتو است. ضعف اصلی ضرایب بار هم ارز در این روش، محدودیت نتایج به محورهای بررسی شده بوده که باعث عدم امکان تعیین دقیق ضرایب بار هم ارز برای تمامی محورهای موجود است. این علت را می توان یکی از دلایل بروز خرابی های زودرس و صرف هزینه های بالای تعمیر و نگهداری راه ها دانست. امروزه، با پیشرفت علم نرم افزارهای بسیاری در زمینه تحلیل روسازی ها ایجاد شد که می توان از آن ها در تعیین این ضریب استفاده کرد. مشکل اصلی موجود در تمامی آنان، نیاز به داده های ورودی متعدد، زمان بر بودن فرایند شبیه سازی و امکان بررسی تنها یک مقطع در هر زمان می باشد. از طرف دیگر شبکه های عصبی مصنوعی، به عنوان یکی از شاخه های علم هوش مصنوعی دارای مزایای زیادی است که از آن جمله می توان محدود کردن تعداد داده های ورودی، سرعت بالای فرایند مدل سازی، توانایی مدل سازی هم زمان چندین روسازی با شرایط مختلف را نام برد. لذا در این پژوهش پس از اطمینان از صحت نحوه مدل سازی روسازی های انعطاف پذیر با استفاده از نرم افزار اجزای محدود آباکوس، به طرح شبکه عصبی مصنوعی جهت تعیین ضریب بار هم ارز پرداخته شده است. در نهایت شبکه بهینه از نوع انتشار برگشتی پیش خور با آرایش 1-13-7 و تابع انتقال سیگموید بعنوان شبکه بهینه انتخاب گردیده است.