توﺳﻌﻪ ﻣﺪل رﮔﺮﺳﯿﻮﻧﯽ ﻏﯿﺮﺧﻄﯽ ﭘﯿﺶﺑﯿﻨﯽ دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳﻔﺎﻟﺘﯽ ﺑﺎ اﺳﺘﻔﺎده از دادهﻫﺎي LTPP – ﻣﻄﺎﻟﻌﻪ ﻣﻮردي: اﯾﺎﻟﺖ اوﻫﺎﯾﻮ آﻣﺮﯾﮑﺎ ،

دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳــﻔﺎﻟﺘﯽ ﯾﮑﯽ از ﻓﺎﮐﺘﻮرﻫﺎي ﻣﻬﻢ در ﻓﺮآﯾﻨﺪ ﺗﺤﻠﯿﻞ، ﻃﺮاﺣﯽ و ﻣﻄﺎﻟﻌﺎت ﺑﻬﺴــﺎزي )روﮐﺶ( روﺳــﺎزيﻫﺎي آﺳــﻔﺎﻟﺘﯽ اﺳــﺖ. ﻣﺪلﻫﺎي ﭘﯿﺶﺑﯿﻨﯽ ﺑﻪ ﻋﻨﻮان ﺟﺎﯾﮕﺰﯾﻦ اﻧﺪازهﮔﯿﺮي ﻣﯿﺪاﻧﯽ و آزﻣﺎﯾﺸــﮕﺎﻫﯽ اﯾﻦ دﻣﺎ، از روشﻫﺎي ﮐﻢﻫﺰﯾﻨﻪ و ﺳــﺮﯾﻊ ﺗﻌﯿﯿﻦ دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳـﻔﺎﻟﺘﯽ ﻫﺴـﺘﻨﺪ . اﯾﻦ در ﺣﺎﻟﯽ اﺳﺖ ﮐﻪ اﯾﻦ ﻣﺪلﻫﺎ ﺑﺮ اﺳﺎس دادهﻫﺎي ﻣﯿﺪاﻧﯽ و آزﻣﺎﯾﺸﮕﺎﻫﯽ ﻣﺤﺪود ﺳﺎﺧﺘﻪ ﺷﺪهاﻧﺪ و ﻧﯿﺎز ﺑﻪ ﺗﻮﺳـﻌﻪ ﻣﺪل ﻫﺎﯾﯽ ﺑﺮاي ﺗﻌﯿﯿﻦ دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳـﻔﺎﻟﺘﯽ در ﺷﺮاﯾﻂ ﻣﺨﺘﻠﻒ ﺗﺮاﻓﯿﮑﯽ و آب و ﻫﻮاﯾﯽ وﺟﻮد دارد. ﻫﺪف اﺻﻠﯽ اﯾﻦ ﭘﮋوﻫﺶ ﺗﻮﺳﻌﻪ ﻣﺪﻟﯽ ﺑﺮاي ﭘﯿﺶﺑﯿﻨﯽ دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳﻔﺎﻟﺘﯽ ﺑﺮ اﺳﺎس دادهﻫﺎي آب و ﻫﻮاﯾﯽ اﺳﺖ. روش ﻣﺪلﺳﺎزي اﺳﺘﻔﺎده ﺷﺪه، ﻣﺪل رﮔﺮﺳﯿﻮن ﻏﯿﺮﺧﻄﯽ درﺟﻪ دوم ﮔﺎم ﺑﻪ ﮔﺎم ﻣﯽﺑﺎﺷﺪ ﮐﻪ دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳﻔﺎﻟﺘﯽ را ﺑﺮ اﺳﺎس ﺳﺎﯾﺮ ﻣﺘﻐﯿﺮﻫﺎ ﺷﺎﻣﻞ ﻋﻤﻖ ﻣﻮرد ﻧﻈﺮ از ﺳــﻄﺢ روﺳــﺎزي، دﻣﺎي ﻫﻮا، ﻣﯿﺎﻧﮕﯿﻦ ﺳــﺮﻋﺖ و ﺟﻬﺖ ﺑﺎد، ﺣﺪاﻗﻞ رﻃﻮﺑﺖ ﻫﻮا و ﺗﺎﺑﺶ آﻓﺘﺎب ﭘﯿﺶﺑﯿﻨﯽ ﻣﯽﮐﻨﺪ. دادهﻫﺎ از ﭘﺎﯾﮕﺎه داده ﺑﺮﻧﺎﻣﻪ ﻋﻤﻠﮑﺮد ﺑﻠﻨﺪﻣﺪت روﺳـﺎزي ) LTPP ( اﺳـﺘﺨﺮاج ﺷـﺪه و ﺑﺮاي ﻣﺪل ﺳـﺎزي از داده ﻫﺎي ﭼﻨﺪﯾﻦ ﺳﺎﻟﻪ ﻣﺮﺑﻮط ﺑﻪ اﯾﺎﻟﺖ اوﻫﺎﯾﻮ آﻣﺮﯾﮑﺎ اﺳـﺘﻔﺎده ﺷـﺪه اﺳﺖ . ﺑﺎ اﺳﺘﻔﺎده از دادهﻫﺎي ﻣﻮﺟﻮد، ﻋﻤﻠﮑﺮد ﻣﺪل ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪ ﻣﻮرد ارزﯾﺎﺑﯽ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. ﻫﻤﭽﻨﯿﻦ ﻣﺪل ﺗﻮﺳﻌﻪ داده ﺷﺪه ﺑﺎ اﺳﺘﻔﺎده از دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ اﯾﺎﻟﺖ ﻣﻮﻧﺘﺎﻧﺎي آﻣﺮﯾﮑﺎ، اﻋﺘﺒﺎرﺳﻨﺠﯽ ﺷﺪه اﺳﺖ. ﻧﺘﺎﯾﺞ ﭘﮋوﻫﺶ ﻗﺎﺑﻠﯿﺖ ﭘﯿﺶﺑﯿﻨﯽ دﻣﺎي ﻋﻤﻖ ﻻﯾﻪﻫﺎي آﺳﻔﺎﻟﺘﯽ را ﺑﺮ اﺳﺎس دادهﻫﺎي آب و ﻫﻮاﯾﯽ ﻣﻮﺟﻮد ﺗﻮﺳﻂ ﻣﺪل ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪ ﺑﺎ دﻗﺖ ﭘﯿﺶﺑﯿﻨﯽ ﺑﺴﯿﺎر ﺧﻮب )ﺿﺮﯾﺐ ﺗﻌﯿﯿﻦ 0/95( و اُرﯾﺐ )ﺑﺎﯾﺎس( ﭘﯿﺶﺑﯿﻨﯽ ﺑﺴﯿﺎر ﮐﻢ ﻧﺸﺎن ﻣﯽدﻫﺪ.