ارائه روش جدید برای پیش بینی مدل اضمحلال و بهبود شاخص بین المللی ناهمواری روسازی انعطاف پذیر

شاخص بین المللی ناهمواری روسازی یکی از مهم ترین شاخص های ارزیابی وضعیت روسازی است که در سیستم های مدیریت و برنامه ریزی تعمیر و نگهداری روسازی استفاده می شود. در این مطالعه، به کمک الگوریتم بهینه سازی تکاملی تفاضلی و توسعه آن به روش یادگیری ماشین و با استفاده از پایگاه داده های برنامه بلندمدت روسازی، دو مدل برای پیش بینی اضمحلال شاخص بین المللی ناهمواری و بهبود عملکرد روسازی تحت اعمال روکش ارایه شده است. برای توسعه مدل اضمحلال روسازی، متغیرهای آب و هوایی، ترافیکی و سازه ای در نظر گرفته شده اند و رابطه ای برای پیش بینی افزایش شاخص بین المللی ناهمواری روسازی ارایه شده است. همچنین، میزان بهبود شاخص بین المللی ناهمواری روسازی تحت تاثیر روش های مختلف تعمیر و نگهداری مرسوم در ایران بررسی شد و رابطه ای برای پیش بینی میزان کاهش این شاخص تحت اعمال روکش ارایه شده است. تعداد 520 و 336 ردیف داده برای توسعه مدل های اضمحلال و بهبود عملکرد روسازی استفاده شده است. مدل‏های پیش‏بینی شده از دقت بسیار خوبی برخوردارند. ضریب تعیین مدل اضمحلال روسازی ارایه شده برابر با 99/0 و میانگین خطای مطلق معادله ارایه شده برای داده های آموزش و آزمایش کمتر از 1/0 می باشد که دقت آن در مقایسه با سایر مدل های ارایه شده تا کنون به دلیل در نظر گرفتن متغیرهای متنوع و روش توسعه داده شده، بسیار زیاد است. ضریب تعیین مدل بهبود توسعه یافته برای داده های آموزش و آزمایش برابر 97/0 و جذر میانگین مربعات خطا تقریبا برابر 2/0 به‏دست آمد.