ارايه مدل پيش بيني عدد سازه اي موثر روسازي (SNeff) در سطح شبكه با استفاده از پارامترهاي كاسه انحناء افت و خيز دستگاه FWD

Developing a Model to Determine Effective Structural Number of Flexible Pavement at Network Level Using FWD Deflection Basin Parameters

تعيين وضعيت موجود روسازي در سطح شبكه نيازمند ارزيابي سازه اي روسازي مي باشد كه معمولا با استفاده از دستگاه FWD و در قالب شاخص عدد سازه اي موثر روسازي (SNeff) انجام مي شود. تحليل داده هاي اين دستگاه نيازمند اطلاع از ضخامت لايه ها بوده كه بايستي با سونداژ، مغزه گيري و يا استفاده از دستگاه GPR اندازه گيري شود. در اين تحقيق به منظور صرفه جويي در زمان و هزينه برداشت ضخامت لايه ها، با استفاده از پايگاه داده موجود در آزمايشگاه فني و مكانيك خاك نسبت به ارايه مدل پيش بيني عدد سازه اي موثر روسازي اقدام گرديد. براي محاسبه اين شاخص داده هاي افت و خيز دستگاه FWD و ضخامت لايه هاي روسازي حاصل از دستگاه GPR بر اساس روش آشتو به عدد سازه اي موثر روسازي تبديل و به عنوان روش مبنا در نظر گرفته شد. سپس پارامترهاي كاسه انحنا افت و خيز روسازي مورد مطالعه قرار گرفته و همبستگي آنها با عدد سازه اي موثر روسازي در نرم افزار SPSS تعيين گرديد. در ادامه ضمن مطالعه مدل ها مبتني بر پارامترهاي كاسه انحنا افت و خيز روسازي، 3000 كاسه انحنا افت و خيز در 1200 كيلومتر از راه هاي استان خوزستان به منظور ارايه مدل پيش بيني عدد سازه اي موثر روسازي مورد مطالعه قرار گرفت. پس از تحليل داده ها يك مدل رگرسيون غير خطي با استفاده از پارامترهاي SCI، AUPP و D90/D0 براي محاسبه عدد سازه اي موثر روسازي با ضريب تعيين 9/0 ارايه گرديد. در اين تحقيق مشخص گرديد كه پارامترهايي مانند AUPP، SCI و پارامترهاي نرمال شده با افت و خيز مركزي همبستگي بيشتري با عدد سازه اي موثر روسازي دارند. همچنين مدل پيشنهادي در اين تحقيق با ضريب تعيين 0/9 نسبت به بهترين مدل موجود يعني مدل Jameson با ضريب تعيين 0/84 برتري محسوسي دارد.

Evaluation of existing flexible pavement condition at network level requires structural assessment which is performed by FWD device using effective structural number (SNeff) parameter. Deflection data analysis requires layer thicknesses known which must be measured by GPR device or core drilling and pit boring. The AASHTO 93 selected as a base method، so FWD deflection data and layer thicknesses measured by GPR were converted to effective structural number. To reduce the cost and time consumption at network level assessment، layers thickness have been removed and a non-linear regression model was developed based on 3000 deflection basin parameters to determine effective structural number. Then the deflection basin parameters were studied and their correlation with SNeff determined using SPSS software. The analysis showed stronger relationship between AUPP، SCI and dimensionless parameters normalized by central deflection with SNeff. Thus a non-linear regression model obtained involving SCI، AUPP and D90/D0 with 0.9 determination coefficients. The developed model with 0.9 determination coefficients has considerable superiority in comparison with Jameson model with 0.84 determination coefficient which is previously presented.