پيش‌بيني خرابي پلكاني ‌شدن در روسازي‌هاي‌ بتني غيرمسلح درزدار و تعيين پارامترهاي موثر بر اين خرابي با استفاده از شبكه‌هاي عصبي مصنوعي

يكي از خرابي‌هاي مهم عملكردي در روسازي‌هاي بتني، خرابي پلكاني‌ شدن است. پيش‌بيني مقدار اين خرابي مي‌تواند در طراحي بهينه روسازي بتني و نيز استقرار سامانه مديريت تعمير و نگهداري روسازي ها مورد استفاده قرار گيرد. در اين مطالعه از شبكه‌هاي عصبي مصنوعي براي پيش‌بيني مقدار اين خرابي بر اساس داده هاي عملكرد طولاني مدت روسازي (LTPP) استفاده شده است. ابتدا با استفاده از 32 متغير انتخابي ورودي شامل داده هاي ترافيكي، آب و هوايي و سازه اي، معماري شبكه عصبي مصنوعي با روش آزمون و خطا تعيين شده و سپس معماري مشخص شده به درستي آموزش داده شده است. علاوه‌ بر متغيرهاي مورد استفاده در مطالعات گذشته، متغيرهاي ورودي جديدي نظير ضريب پواسون و مدول الاستيسيته دال بتني كه تاكنون بررسي نشده‌اند نيز در بين اين 32 متغير مد نظر قرار گرفته است. سپس با به كارگيري روش جديد NSGA^2-MLP، 19 متغير مهم شناسايي شده و يك مدل شبكه عصبي جديد با اين تعداد متغير ساخته شده است. مقدار ضريب همبستگي، ميانگين مربعات خطا و ميانگين خطاي مطلق براي مدل ساخته شده با 32 متغير و 19 متغير به ترتيب برابر 0/97، 0/45، 0/43، 0/95، 0/54 و 0/6 مي‌باشد. در انتها با استفاده از روش جنگل تصادفي ميزان اهميت 19 متغير بر اساس درصد تعيين گرديد. چهار متغيري كه بيشترين اهميت را دارند بر اساس سهم درصد اهميت متغير از 100 به ترتيب عبارتند از تعداد تجمعي روزهاي با بارش بيشتر از 12/7 ميلي‌متر با 24%، مدول الاستيسته دال بتني با %14، عمر روسازي با 12% و ضخامت اساس با 10%  اهميت.