تحلیل مدل های رگرسیونی پیش بینی دمای عمق لایه های آسفالتی - مطالعه مروری

دمای عمق لایه های آسفالتی به دلیل رفتار ویسکوالاستیک مخلوط های آسفالتی، در ارزیابی سازه ای روسازی های انعطاف پذیراز اهمیت زیادی برخوردار است. دمای عمق لایه آسفالتی می تواند به طور مستقیم در محل اندازه گیری شود و یا توسط مدل هایی پیش بینی گردد. در این مقاله تحلیل جامعی در خصوص دوازده مدل رگرسیونی مهم و پرکاربرد پیش بینی دمای عمق لایه های آسفالتی صورت گرفته و با ارایه سوابق پژوهشی، به بررسی متغیرهای ورودی مدل، تحلیل حساسیت مدل نسبت به این متغیرها، ارزیابی عملکرد آنها از لحاظ دقت و قدرت پیش بینی و نیز مقایسه برتری آنها نسبت به یکدیگر پرداخته شده است. از آن جایی که اغلب این مدل ها در مناطق جغرافیایی و شرایط آب و هوایی خاصی توسعه داده شده اند، مدل های توسعه یافته با کالیبراسیون مدل های اصلی برای استفاده در شرایط محلی متفاوت نیز مورد بررسی قرار گرفته است. نتایج پژوهش ها نشان می دهد که مدل های رگرسیونی از عملکرد و دقت خوب و قابل قبولی برخوردار می باشند. در میان مدل های مورد بررسی، مدل BELLS با توجه به گستره داده های مورد استفاده در توسعه مدل، عملکرد و دقت مناسب، در نظر گرفتن اثر پارامتر های مختلف به عنوان یکی از بهتر ین مدل های رگرسیونی پیش بینی دمای عمق لایه های آسفالتی شناخته می شود. همچنین مدل صولتی فر و همکاران به عنوان مدل اصلاح شده BELLS برای روسازی های تازه ساخت با دقت بالا و برای مناطق با وضعیت آب و هوایی گرم توسعه یافته است. در مجموع بررسی نتایج پژوهش ها نشان می دهد، مدل های توسعه یافته قابلیت کاربرد در پیش بینی دمای عمق لایه های آسفالتی را با اعمال تصحیحاتی برای روسا زی ها و شرایط محلی متفاوت دارند.