مروری بر کاربرد یادگیری ماشین در مهندسی روسازیهای آسفالتی | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 6، دوره 57، شماره 10، دی 1404، صفحه 1839-1872 اصل مقاله (1.69 M) | ||
| نوع مقاله: مقاله مروری | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2026.23492.8175 | ||
| نویسندگان | ||
| محمد مهدی دادایی؛ محمد صالح انتظاری؛ رشید تن زاده* ؛ فریدون مقدس نژاد | ||
| دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران | ||
| چکیده | ||
| نواقص روشهای طراحی و اجرای روسازی راهها در کنار برنامههای غیربهینة ترمیمونگهداری آنها، هزینه های جبرانناپذیر اقتصادی و اجتماعی را به همراه داشته است. در این راستا استفاده از دانش و فنآوریهای جدید در مهندسی روسازی اجتنابناپذیر است. هوش مصنوعی، فنآوری نوینی است که برای توسعة ماشینها و الگوریتمهایی که همانند هوش انسان عمل میکنند استفاده میشود. هوش مصنوعی، قابلیت های منحصربهفردی در بهبود فرآیندهای طراحی، اجرا، ترمیم و نگهداری روسازی ارائه دادهاست که نیازمند زمان و هزینه بسیار کمتری نسبت به روشهای سنتی هستند. در این تحقیق با بررسی 150 مقاله علمی معتبر، کاربرد هوش مصنوعی در دستة یادگیری ماشین در مهندسی روسازی مورد بررسی قرار گرفتهاست. تحلیل پژوهشهای موجود نشان داد الگوریتمهای یادگیری ماشین در 7 حوزة پژوهشی از مهندسی روسازی استفاده شدهاند: بهینهسازی طراحی (11% از مطالعات)، پیشبینی عملکرد قیر (8%)، پیشبینی خصوصیات مخلوط آسفالتی (33%)، تشخیص خرابیهای سطح (19%)، طبقهبندی خرابیهای سطح (2%)، پیشبینی شاخصهای عملکردی رویه (21%) و بهینهسازی برنامة عملیات ترمیمونگهداری (6%). همچنین با هدف شناسایی روندهای موجود در ادبیات موضوع و نیز احصاء دستاوردهای محققین، تحلیلهای آماری از فراوانی پژوهشهای منتشرشده در سالهای مختلف، الگوریتمهای استفادهشده در مدلسازی و متغیرهای واردشده جهت پیشبینی عملکرد مخلوط یا روسازی آسفالتی ارائه گردید. این مطالعه نشان داد یادگیری ماشین ابزاری ضروری و جداییناپذیر جهت اجرا، بهبود و بهینهسازی فرآیندهای مختلف طراحی، ساخت، نگهداری و مدیریت روسازی است. لذا گسترش تحلیلهای مبتنی بر هوش مصنوعی و ارزیابی کاربردهای آن در حوزة مهندسی روسازی ضرورت داشته و پیشنیاز شکلگرفتن فنآوریهای لب دانشی از جمله دوقلوهای دیجیتال روسازی است. | ||
| کلیدواژهها | ||
| روسازی آسفالتی؛ هوش مصنوعی؛ یادگیری ماشین؛ شبکه عصبی مصنوعی؛ بهینهسازی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 236 تعداد دریافت فایل اصل مقاله: 264 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,377,086 |
| تعداد دریافت فایل اصل مقاله | 6,936,700 |