Zastosowanie sztucznej sieci neuronowej do identyfikacji grubości warstw asfaltowych w nawierzchni podatnej

• Autorzy: Pożarycki A. , Bartkowiak M.

Warianty tytułu

EN

Using artificial neural network in identification of asphalt layers thickness for flexible pavements

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawione zostały rezultaty identyfikacji grubości warstw asfaltowych nawierzchni podatnej odcinka próbnego, przy zastosowaniu Sztucznych Sieci Neuronowych (SSN). Korzystając z pomiarów przemieszczeń nawierzchni na odcinku próbnym, wykonanych ugięciomierzem FWD, zbiór uzyskanych wyników został podzielony na dwie części. Pierwszą cześć zbioru wyników wykorzystano do nauki jednokierunkowej, wielowarstwowej sztucznej sieci neuronowej. Druga część z pomiaru ugięciomierzem FWD, stanowiła zbiór do testowania wyuczonej sieci. Ostatecznie przy założeniu, że znane są tylko wyniki z pomiarów ugięciomierzem FWD, oszacowano grubości warstw asfaltowych nawierzchni na odcinku próbnym. Należy podkreślić, ze wartość średnia obliczonych grubości warstw należy do przedziału dokładności możliwej do zaakceptowania w drogownictwie.

EN

The paper presents the results of back-calculation that is used to evaluate the thickness of asphalt layers for flexible pavement of test section, using Artificial Neural Network (ANN). Making use of Falling Weight Deflection (FWD) measurements from test section, the obtained data set was divided onto two parts. The first part of data set was used in learning process of feed-forward multilayered ANN. The second part was to be a test set of input/output values that were introduced to already trained ANN. Finally, according that the only known values are those from FWD measurements, the thickness of pavement asphalt layers was estimated within acceptable tolerance in the field of road pavement activity.

Słowa kluczowe

PL

sztuczne sieci neuronowe; grubość warstw; asfalt; właściwości nawierzchni

EN

artificial neural networks; asphalt; thickness of the layers

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Archiwum Instytutu Inżynierii Lądowej
• Rocznik: 2011
• Tom: Nr 9
• Strony: 15--30
• Opis fizyczny: Bibliogr. 16 poz.

Twórcy

autor

Pożarycki A.

autor

Bartkowiak M.

• Politechnika Poznańska, Instytut Inżynierii Lądowej

Bibliografia

• 1. Bredenhann S.J., Van de Ven M.F.C., Application of artificial neural networks in the backcalculation of flexible pavement layer moduli from deflection measurements, Proceedings of the 8th Conference on Asphalt Pavements for Southern Africa, Sun City, South Africa, September 2004.
• 2. Ceylan H., Use of artificial neural networks for backcalculation of pavement layer moduli, FWD Users Group Conference, West Lafayette, Indiana, October 2004.
• 3. Ceylan H., Use of FWD data analysis for mechanistic-based pavement analysis and desingn, 16th Annual Falling Weight Deflectometer User's Group Conference Des Moines, Iowa, October 2007.
• 4. Fulmański P., Grzanek M., Sztuczna Inteligencja, Strony internetowe autorów opracowania, 2010 r.
• 5. Ghazi S., Khadir M.T., Recurrent neural network for multi-steps ahead prediction of pm concentration, J. Automation & Systems Engineering, Algeria 2009.
• 6. Grabowski W., Pożarycki A., Badania propagacji spękań wielkowymiarowych próbek nawierzchni asfaltowych podanych wielokrotnie powtarzalnym obciążeniom w warunkach laboratoryjnych, III Międzynarodowa Konferencja „Nowoczesne Technologie w budownictwie drogowym", Poznań 2005.
• 7. Hilmi Lav A., Burak Goktepe., Aysen Lav M., Backcalculation of flexible pavements using soft computing intel. & soft comp. in infra. sys., SCI 259, s. 67-106, Verlag Berlin Heidelberg 2009.
• 8. Judycki J., Dołżycki B., Projektowanie technologii remontów nawierzchni ulic, strona internetowa Politechniki Gdańskiej, Gdańsk 2006.
• 9. Morched Z., El Hussein H.M., Assessment of analytical tools used to estimate the stiffness of asphalt concrete, Can. J. Civ. Eng. 35, NRC Canada 2008, s. 268-275.
• 10. Plik pomocy do programu komputerowego Wolfram Neural Networks 1.1.1, Mathematica packane.
• 11. Rozporządzenie Ministra Transportu i Gospodarki Morskiej z dnia 2 marca 1999 r. w sprawie warunków technicznych, jakim powinny odpowiadać drogi publiczne i ich usytuowanie. Dz.U. nr 43 z 1999 r., poz. 430 z późn. zm.
• 12. Saltan M., Terzi S., Backcalculation of pavement layer parameters using artificial neural networks, Indian Journal of Engineering & Material Sciencies, vol. 11, February 2004, s. 38-42.
• 13. Saltan M., Terzi S., Backcalculation of pavement layer thickness and moduli using adaptive neuro-fuzzy inference system, intel. & soft comp. in infra. sys., SCI 259, s. 177-204, Verlag Berlin Heidelberg 2009.
• 14. Saltan M., Tigdemir M., Karasahin M., Artificial neural network application for flexible pavement, Turkish J. Eng. Env. Sci., 26 Tubitak 2002, s. 243-248.
• 15. Szydło A., Statyczna identyfikacja parametrów modeli nawierzchni lotniskowych, Prace Naukowe Instytutu Inżynierii Lądowej Politechniki Wrocławskiej nr 45, Seria monografie nr 17, Wrocław 1995.
• 16. Terzi S., Saltan M., Yildirim T., Optimization of the Deflection Basin by Genetic Algorithm and Neural Network Approach, ICANN/ICONIP 2003, LNCS 2714, s. 662-669, Verlag Berlin Heidelberg 2003.