TY - JOUR ID - 155191 TI - مقایسه نتایج مدل‌های رگرسیون خطی و شبکه عصبی مصنوعی برای بررسی نفوذپذیری روسازی بتن نفوذ پذیر JO - جاده JA - ROAD LA - fa SN - 1735-062X AU - تاجیک قشقائی, حسن AU - فروهید, امیراسماعیل AD - استادیار، گروه مهندسی عمران، واحد پرند، دانشگاه آزاد اسلامی، پرند، ایران Y1 - 2023 PY - 2023 VL - 31 IS - 114 SP - 205 EP - 216 KW - بتن نفوذ پذیر KW - رگرسیون خطی KW - شبکه عصبی مصنوعی KW - نفوذپذیری KW - آب به سیمان DO - 10.22034/road.2022.321232.2011 N2 - روسازی بتن نفوذ پذیر می­تواند به عنوان جایگزینی مناسب برای سایر روسازی­ها در ترافیک سبک شهری کاربرد داشته باشد. با هدف توسعه استفاده از این نوع روسازی شناخت ویژگی­های آن ضروری و دارای اهمیت است. از آنجا که میزان نفوذپذیری روسازی بتن نفوذ پذیر مهمترین ویژگی عملکردی این نوع روسازی است، شناخت بیشتر این ویژگی و نحوه تاثیرپذیری آن از پارامترهای طرح اختلاط هدف این مطالعه است. به این منظور ترکیب­های مناسبی از نمونه­های بتن نفوذ پذیر با دانه­بندی و نسبت­های آب به سیمان متفاوت به تعداد 36 نمونه ساخته شده و مورد آزمایش قرار گرفته است. نسبت آب به سیمان جهت ساخت نمونه­های آزمایشی در محدوده 28/0 تا 34/0 در ترکیب با سنگدانه­های با حداکثر اندازه اسمی 5/9 میلی­متر، 5/12 میلی­متر و 5/19 میلی­متر انتخاب شده است. به منظور انتخاب مدل مناسب پیش بینی تغییرات نفوذپذیری مقایسه بین تکنیک­های شبکه عصبی مصنوعی و رگرسیون خطی صورت گرفته است. با استفاده از داده­های به دست آمده از فعالیت آزمایشگاهی و بررسی برازش مدل­ها، مدل بهینه پیشنهاد شده است. مقایسه مدل­ها نشان داد که رگرسیون خطی در پیش­بینی تغییرات نفوذپذیری بتن نفوذ پذیر نتایج نزدیک­تری را تولید کرده است. وجود ضرایب 54.5 و 52.5 و 41.5 برای اندازه سنگدانه­ها نسبت به ضرایب ثابت حدود نصف اعداد ذکر شده نشان دهنده تاثیر بیشتر این عامل بر نفوذپذیری است. UR - https://road.bhrc.ac.ir/article_155191.html L1 - https://road.bhrc.ac.ir/article_155191_b68e66437c92a9d12c476983ea0887cb.pdf ER -