مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,313
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

248
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی شاخص وضعیت روسازی (PCI) با استفاده از رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی

صفحات

 صفحه شروع 47 | صفحه پایان 60

چکیده

 کی از مهمترین اهداف یک سیستم مدیریت روسازی, تعیین اولویتها و زمان بهینه برای تعمیرات, از طریق پیشبینی وضعیت روسازی است. در واقع هدف سیستم مدیریت روسازی PMS, ترمیم و نگهداری در مراحل نخستین خرابی و صرفه جویی در هزینه هاست. از این رو در این پژوهش به منظور تعیین شاخص وضعیت روسازی PCI, دو مدل رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی را برازش داده و قدرت تخمین آنها مقایسه گردید. در این راستا خرابی ای سه آزادراه کربلا, پل زال و تهران – قم مورد بررسی قرار گرفته, تا بدین وسیله بتوان روش مناسب برای پیشبینی شاخص وضعیت روسازی, به منظور شناسایی بهینهترین زمان تعمیر و نگهداری در جهت کاهش هزینه های آن, شناسایی گردد. برای دستیابی به هدف مورد نظر برای ارزیابی قطعات واحدهای نمونه از نرم افزارهای Micropaver و برای ساخت مدلها از نرم افزار MATLAB و SPSS استفاده گردید. به منظور برداشت خرابی های واحدهای نمونه به فواصل 100 متر و قطعات به فواصل 500 از این مسیر برداشت شد. متغیرهای مورد بررسی در تحلیل مدلها شامل: طول عمر قطعه در زمان بازرسی ماه, عرض واحد نمونه, متوسط AADT در طول عمر قطعه, متوسط درصد وسا لی هینقل یسنگ ن در طول عمر قطعه یشیب, نه دما در طول عمر قطعه در سال 1396, یکم نه دما در طول عمر قطعه در سال 1396 و ضخامت روسازی سانتیمتر میباشد. بر اساس نتایج به دست آمده میزان عملکرد مدل شبکه عصبی بر اساس شاخص میانگین مربعات خطا MSE و همچنین شاخص R 2 که به ترتیب برابر است با 95, 0 و 87, 0 میباشد که در مقایسه با مدل رگرسیون خطی چندگانه 139, 0 دارای اعتبارسنجی بیشتری جهت پیش بینی وضعیت آینده روسازی میباشد. علاوه بر آن با توجه به مدل شبکه عصبی میتوان دریافت طول عمر قطعه بیشترین اهمیت را در ساخت شبکه عصبی داشته 55, 0 و پس از آن بیشینه دما 122, 0 و درصد وسایل نقلیه سنگین 120, 0 متغیرهای مهم بعدی در پیشبینی وضعیت روسازی راه ها میباشد.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    فرج الهی، امین، احدی، محمدرضا، و طایفی نصرآبادی، عباسعلی. (1399). مدل سازی شاخص وضعیت روسازی (PCI) با استفاده از رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی. پژوهشنامه حمل و نقل، 17(1 (پیاپی 62) )، 47-60. SID. https://sid.ir/paper/83718/fa

    Vancouver: کپی

    فرج الهی امین، احدی محمدرضا، طایفی نصرآبادی عباسعلی. مدل سازی شاخص وضعیت روسازی (PCI) با استفاده از رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی. پژوهشنامه حمل و نقل[Internet]. 1399؛17(1 (پیاپی 62) ):47-60. Available from: https://sid.ir/paper/83718/fa

    IEEE: کپی

    امین فرج الهی، محمدرضا احدی، و عباسعلی طایفی نصرآبادی، “مدل سازی شاخص وضعیت روسازی (PCI) با استفاده از رگرسیون خطی چندگانه و شبکه عصبی انتشار برگشتی،” پژوهشنامه حمل و نقل، vol. 17، no. 1 (پیاپی 62) ، pp. 47–60، 1399، [Online]. Available: https://sid.ir/paper/83718/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button