ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Using Radial Basis Function Artificial Neural Network for Predicting Asphalt Content of Asphalt Paving Mixture

العنوان بلغة أخرى: استخدام شبكة دالة الأساس الشعاعي العصبية الاصطناعية للتنبؤ بالمحتوى الإسفلتي لمزيج التبليط الإسفلتي
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: Taha, Mohammed Yassin (Author)
المجلد/العدد: ع25
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2013
الصفحات: 181 - 193
ISSN: 1680-855X
رقم MD: 637530
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: يعد إيجاد محتوى الإسفلت في مزجات التبليط الأسفلتي فحص أساسي مهم لدى الكثير من المؤسسات والباحثين في مجال الطرق. تحاول هذه الدراسة اختبار إمكانية تطبيق واستخدام الشبكة العصبية الاصطناعية من نوع دالة الأساس الشعاعي مع دالة التنشيط كاوس باستخدام برمجيات MATLAB للتنبؤ بمحتوى الإسفلت في مزجات التبليط الأسفلتي الساخن اعتمادا على خواص فحص مارشال. معمارية الشبكة المطورة لهذه الدراسة تتكون من خمسة عقد إدخال تمثل خواص فحص مارشال، مع ستة عقد في الطبقة المخفية، بينما طبقة الإخراج تتكون من عقدة واحدة تمثل نسبة المحتوى الأسفلتي. وقد أظهرت نتائج الدراسة أن شبكة دالة الأساس الشعاعي يمكن استخدامها كوسيلة حسابية مقترحة ومناسبة لإيجاد محتوى الإسفلت في المزجات الإسفلتية بدقة وسرعة وكبديل لاستخدام التقنيات التقليدية.

The determination of the asphalt content of asphalt paving mixtures is a fundamentally important test for many authorities and researchers in highways field . This study seek to examined the application and use of radial basis function artificial neural network with Gaussian activation function by MATLAB software for predicting the asphalt content of the hot mix asphalt paving mixtures using their properties of Marshall test. The architecture of the study developed network consist of five input nodes representing five properties of Marshall test, with six hidden nods, while the output consist of one output node representing the asphalt content percent. The study results have show that the radial basis function network can be applied as a recommended and appropriate computational tool to accurately and quickly determine the asphalt content of asphalt mixtures as alternative to using traditional techniques.

ISSN: 1680-855X

عناصر مشابهة