۶۵۱

Application of artificial neural networks in predicting of failure in Rigid pavements

كارشناسي ارشد

عمران

تهران شمال

۱۳۹۶

۹۶/۱۰/۳۰

۱۸

۲۱۴ص.

ايوبي نژاد، جلال

۱۸۶-۱۷۹ص.

Airport Rigid pavement Design , Pavement Management System,failure modeling of rigid pavements , Pavement Performance Prediction

فرودگاه ها از با ارزش ترين زير ساخت هاي جوامع پيشرفته محسوب ميشوند و به دليل بر خورداري از پتانسيل هاي مختلف، در رشد اقتصادي كشورها و كمك به ايجاد توسعه پايدار نقش مهمي دارند و در جهان امروز، آمار ترافيك مسافري فرودگاهي هر كشور بيانگر ميزان توسعه ي اقتصادي آن كشور است و حجم جابه جايي بار هوايي نيز نشانگر قدرت اقتصادي كشورهاست. وجود فرودگاه در مناطق مختلف، تاثيرات مستقيم و غير مستقيم فراواني بر اقتصاد آن مناطق دارد كه اشتغال زايي، كمك به رونق و توسعه ي صنعت گردشگري و رونق صنايع و خدمات وابسته از مهم ترين آنهاست.در طراحي فرودگاه ها بخش روسازي باند ها و ديگر سطوح پروازي به دليل تامين ايمني كافي، مصروف داشتن هزينه هاي بالاي ساخت و نگهداري داراي اهميت بسزايي است. مديريت زيرساخت‌هاي بسيار مهمي مانند روسازي، نيازمند برنامه ريزي‌هاي جامع، درهمه سطوح مديريتي است. اين برنامه‌ها شامل طرح‌هاي تعمير و نگهداري و بازسازي روسازي در طول چرخه عمر روسازي است. در اين برنامه ريزي‌ها نياز به پيش بيني عملكرد روسازي است تا برنامه‌هاي پيش بيني شده، همسو با واقعيت‌هاي عملكرد روسازي باشد. به همين جهت همواره از مدل‌هاي پيش بيني مختلفي استفاده گرديده تا وضعيت آتي روسازي، با دقت بيشتري پيش بيني گردد. افزايش دقت پيش بيني مدل‌ها منجر به طرح ريزي برنامه هاي دقيق تر و كارآتري گرديده كه نتيجه آن، مديريت روسازي مؤثر و كاربردي است و باعث صرفه جويي‌هاي مناسبي در منابع، خواهد گرديد. در اين پژوهش، ابتدا مطالعه كاملي بر روي عوامل مؤثر بر عملكرد و اضمحلال روسازي، انجام گرفته و سعي شده است تا يكي ازجديد ترين روش هاي متعارف و بين المللي طراحي روسازي باند هاي فرودگاهي كه سازمان بين المللي هوانوردي غير نظامي (ICAO ) به عنوان استاندارد مورد قبول طراحي اعلام نموده است و ضوابط آن را عنوان كرده است، مورد بررسي قرار داده شود. اين روش هاي طراحي را سازمان هوانوردي آمريكا (FAA) ارائه داده استو در اينپايان نامه هدف تمركز بر روي جديد ترين مدلي كه سازمان هوانوردي آمريكا (FAA) براي پيش بيني گسيختگي روسازي صلب ارائه داده است مي باشد تا در ابتدا متغييرهاي به كار گرفته شده و روندي كه به اين مدل ختم شده است را به طور كامل شناخته شود و در ادامهتلاش هاي صورت گرفته براي دستيابي به پايگاه داده مناسب و گردآوري داده هاي مناسب مدلسازي نيز شرح داده شده است. در نهايت، در راستاي نياز به داده‌هاي واقعي، استاندار براي مدلسازي مناسب، نمونه داده‌هايNAPTF بكار گرفته شده است. تعداد ده متغيير موثر بر وضعيت روسازي استخراج و شاخص وضعيت سازه اي روسازي (SCI) نيز به عنوان معيار وضعيت روسازي در نظر گرفته شده است. سپس مدل‌هاي فرا-ابتكاري شبكه عصبي مصنوعي (ANN)، به كار گرفته شده و با استفاده از تعداد ده متغير موثر بر عملكرد روسازي، انواع مختلفي از مدل هاي پيش بيني عملكرد روسازي يا پيش بيني ميزان شاخص SCI، تشكيل شده است. در ادامه، دقت مدل‌هاي ساخته شده با روش مذكور، مورد ارزيابي دقيق قرار گرفته است. نتايج نشان مي دهد كه مدل¬هاي فرا-ابتكاري با دقت مناسبي نسبت به مدل هاي فعلي، وضعيت روسازي را پيش بيني مي نمايد. از ميان تعداد كثيري از مدل هاي طراحي شده در اين پژوهش، مدل شبكه عصبي با تعداد ده متغيير موثر بر وضعيت روسازي به عنوان ورودي مدل و تعداد 30 گره در يك لايه مخفي، توانايي پيش بيني وضعيت روسازي را دارا مي باشد. اطلاعات و دستاوردهاي اين پژوهش براي برنامه ريزان طرح‌هاي تعمير و نگهداري روسازي هاي فرودگاهي و كاربران سيستم‌هاي مديريت روسازي (PMS) مفيد است.

45383