Modifiye bitümlü karışımların marshall stabilite değerlerinin yapay sinir ağı ile tahmini

Abstract

Ülkemiz karayollarında iklim koşullarının olumsuz etkileri ile birlikte artan trafik hacmi yol üst kaplamalarında kalıcı deformasyonlar oluşturmaktadır. Bu çalışmada; asfalt kaplamanın ömrünün uzatılması için modifiye edilmiş bitümlerin, marshall stabilite değerlerini tahmin etmek amacıyla yapay sinir ağları ve regresyon teknikleri kullanılarak modeller oluşturulmuştur. Modeller oluşturulurken modifiye edilmiş bitüm numunelerinin penetrasyon, viskozite, yumuşama noktası, bitümün sudaki ağırlığı ve bitümün havadaki ağırlığı değerleri bağımsız değişken olarak kullanılmıştır. Bağımsız değişkenler kendi aralarında 2'li, 3'lü, 4'lü ve 5'li kombinasyonlar halinde kullanılarak tahmin modellerinin sayısı arttırılmaya çalışılmıştır. Oluşturulan modeller Matlab programı yardımıyla analizlere tabi tutularak regresyon modelleri ve yapay sinir ağı metotları karşılaştırılmıştır. Yapılan analizler sonucunda yapay sinir ağı ile oluşturulan modellerin regresyon teknikleri kullanılarak oluşturulan modellere göre daha iyi sonuçlar verdiği gözlemlenmiştir.

Increasing traffic volumes along with the adverse effects of climatic conditions on roads in our country are causing permanent deformations in road coverings. In this study; Models were constructed using artificial neural networks and regression techniques to estimate the marshall stability values of modified bitumen for the extension of the life of the asphalt coating. The penetration, viscosity, softening point, bitumen weight in water and bitumen weight in weather values of the modified bitumen samples were used as independent variables when modeling. Independent variables were used in combinations of 2, 3, 4, and 5 among themselves to increase the number of prediction models. The generated models were analyzed by Matlab program and regression models and artificial neural network methods were compared. As a result of the analyzes made, it was observed that the models constructed with artificial neural network gave better results than the models constructed using regression techniques.