پيش بيني مقاومت مارشال آسفالت با استفاده از الگوريتم هاي يادگيري ماشين نظارت شده ماشين بردار پشتيبان و جنگل تصادفي

سازمان‌هاي مسئول ساخت و نگهداري راه‌ها معمولاً از برخي معيارها براي واجد شرايط بودن مخلوط‌هاي آسفالتي قبل از استفاده در ساخت‌وساز استفاده مي‌كنند. يكي از مهم‌ترين ويژگي‌هايي كه در طرح اختلاط و كنترل كيفي آسفالت سنجيده مي‌شود مقاومت مارشال آسفالت مي‌باشد. اين مطالعه استفاده از روش‌هاي يادگيري ماشين را براي پيش بيني مقاومت مارشال آسفالت را بررسي مي‌كند. با توجه به زمان‌بر بودن و هزينه‌بر بودن فرايند توليد و كنترل كيفي آسفالت، استفاده از روش‌هاي نوين در اين فرايند ضرورت دارد. در اين پژوهش از دو الگوريتم نظارت شده ماشين بردار پشتيبان و جنگل تصادفي كه از الگوريتم‌هاي يادگيري ماشين محسوب مي‌شوند به‌منظور پيش‌بيني مقاومت مارشال آسفالت استفاده شد. براي اين منظور، نتايج آزمايشات 2000 نمونه آسفالت كارخانه آسفالت سازمان عمران شهرداري مشهد شامل دانه‌بندي مصالح، درصد شكستگي مصالح، درصد جذب قير، وزن مخصوص قير، وزن مخصوص حقيقي مصالح، درصد قير مصرفي، نسبت درصد وزني فيلر به قير مؤثر و مقاومت مارشال آسفالت براي آموزش و ارزيابي مدل‌ها بكاررفته است. پس ساخت مدل و ارزيابي آن‌ها، مقدار R2 براي روش ماشين بردار پشتيبان برابر 5/87 و براي جنگل تصادفي 69/82 به دست آمده است. همچنين مقادير MAPE، RMES و SDE براي SVM به ترتيب معادل 1073/3، 042/40 و 0208/0 و براي RF به ترتيب معادل 1641/3، 870/41 و 0211/0 محاسبه گشت. نتايج حاصله نشان دهنده كارآمدي مدل‌هاي استفاده‌شده در برابر روش‌هاي آزمايشگاهي براي پيش‌بيني مقاومت مارشال آسفالت است كه روش SVM عملكرد مطلوب‌تري را نسبت به RF داراست. از روش‌هاي يادگيري ماشين مي‌توان براي پيش‌بيني ساير پارامترهاي طرح اختلاط آسفالت استفاده و زمان، هزينه و خطاي انساني آزمايشات را كاهش داد.