مدل سازي عدد جريان مخلوط هاي آسفالتي با استفاده از روش رگرسيون چند جمله اي تكاملي 2

Modeling of Flow Number of Asphalt Mixtures Using Evolutionary polynomial Regression (EPR) Method

خرابي شيار شدگي يكي از خرابي هاي مهم در روسازي هاي آسفالتي است كه در آب وهواي گرم به شدت تحت تاثير مشخصات مخلوط آسفالتي قرار دارد. روش هاي مختلفي براي تعيين مقاومت مخلوط هاي آسفالتي در برابر شيار شدگي (تغيير شكل دايمي) وجود دارد كه يكي از اين روش ها، تعيين عدد جريان مخلوط آسفالتي با استفاده از آزمايش خزش ديناميكي است. تعيين عدد جريان مخلوط هاي آسفالتي نيازمند تجهيزات ديناميكي پيشرفته و همچنين صرف هزينه و زمان قابل توجه است. در اين مقاله از روش رگرسيون چندجمله اي تكاملي (EPR) به منظور ارايه مدلي جهت پيش بيني عدد جريان مخلوط هاي آسفالتي بر اساس مشخصات طرح اختلاط مارشال، استفاده شده است. با بهره گيري از مدل توسعه داده شده مي توان عدد جريان مخلوط هاي آسفالتي را با داشتن پارامترهاي طرح اختلاط مارشال شامل درصد مصالح درشت دانه، درصد مصالح ريزدانه، درصد فيلر، درصد قير، درصد فضاي خالي مخلوط آسفالتي، درصد فضاي خالي مصالح سنگي، استقامت مارشال و نرمي پيش بيني نمود. مدل توسعه داده شده داراي ضريب تعيين (R2) برابر با0/9714 براي داده هاي آموزش و 0/9661 براي داده هاي آزمون است كه نشان دهنده دقت بالاي مدل توسعه داده شده است. بررسي انجام شده نشان مي دهد كه دقت مدل توسعه در مقايسه با مدل هاي توسعه داده شده توسط ساير محققين بيشتر است. به علاوه تحليل حساسيت نشان دهنده انتطباق مناسب مدل توسعه داده شده با رفتار فيزيكي مخلوط هاي آسفالتي است.

Rutting is among the most important distresses in flexible pavements, which is mainly influenced by asphalt mixes properties at high temperatures. There are different methods for measuring the rutting resistance of asphalt mixes. Flow number of asphalt mix, which is measured experimentally by dynamic creep test is one of the most commonly used rutting index, which requires advanced devices, notable cost and time. This paper aims to develop a simple model for predicting the flow number of asphalt mixes using Evolutionary polynomial Regression (EPR). The developed model can be used for predicting flow number based on Marshall mix design parameters including percentage of fine and coarse aggregates, bitumen content, filler content, air void content, void in mineral aggregate, Marshall stability, and flow. The coefficient of determination (R2) of model in case of training and testing set is 0.9714, and 0.969, respectively, which confirms the high accuracy of model. Comparison of the developed model with the existing models shows the superior performance of the developed model. In addition, the parametric analysis indicates the proper conformity of the developed model with the physical behavior of the asphalt mixtures.