20133

۲۰۱۳۳

ارائه مدل پيش‌بيني دماي رويه روسازي با استفاده از فناوري سنجش‌از‌دور

كارشناسي ارشد

راه و ترابري

۱۳۹۷

۱۳۹۷/۱۱/۱

پروفسور حسن زياري

عمران

به دليل وابستگي مقاومت بتن آسفالتي به دما نتايج تست FWD از تغييرات روزانه و فصلي دما تأثير مي‌پذيرد.مدول لايه‌هاي روسازي شاخص مناسبي جهت پي بردن به وضعيت ساختاري روسازي است و از اهميت زيادي براي تعيين زمان مناسب نگهداري و بازسازي روسازي برخوردار است. با توجه به وابستگي نتايج FWD به دماي روسازي و تغييرات فصلي و روزانه دماي روسازي، توانايي مقايسه داده‌هايي كه در طول سال و فصول مختلف برداشت شده است نيازمند آگاهي از دماي لايه‌هاي روسازي در زمان برداشت داده‌ها است.توانايي تخمين دماي روسازي با تغيير عمق و زمان نقشي اساسي در محاسبه اكسيد شدگي قير در روسازي ايفا مي كند. در تحقيقات قبلي از عوامل آب و هوايي و محيطي از قبيل دماي هوا،امواج خورشيدي،سرعت باد رطوبت هوا،انتقال گرما و انتشار گرما جهت توسعه مدل پيش‌بيني دماي روسازي استفاده شده‌است.تعداد زيادي محقق جهت دستيابي به مدل مناسب توزيع دما در اعماق مختلف روسازي با شيوه‌هاي مختلف تحليلي و عددي آماري و اجزاي محدود تلاش كرده‌اند. تمامي مدل‌هاي توسعه يافته جهت تخمين دماي روسازي داراي مزايا و معايب مختص به خود مي‌باشند در بعضي موارد مدل‌ها به شدت پيچيده هستند و به داده‌هاي زياد جهت پيش بيني نياز دارند كه باعث غير عملياتي بودن آنها مي شود همچنين مدل‌هاي آماري رگرسيوني به نسبت ساده بوده وبه متغير‌هاي زيادي وابسته نيستند اما اين مدل‌ها معمولا دماهاي زياد را كم تر و دماي پايين روسازي را بيشتر از دماي حقيقي تخمين مي‌زنند.وابستگي مدل‌هاي رايج به داده‌هاي هواشناسي باعث كاهش دقت مدل در تخمين دماي روسازي جاده‌هايي كه فاصله زيادي با ايستگاه‌هاي هواشناسي دارند مي‌شود.از اين رو در اين مقاله امكان استفاده از فناوري سنجش‌از‌دور جهت تخمين دماي روسازي آسفالتي مورد بررسي قرار گرفته است.در اين پژوهش دماي سطح روسازي با استفاده از دماسنج غيرتماسي مادون قرمز اندازه گيري شد.دماي روسازي در دو عمق 20 و 25 سانتي‌متري به وسيله ترمومتر تماسي نوع Kاندازه گيري شد.با استفاده از دماهاي اندازه‌ گيري شده و داده‌هاي تصاوير MYD11_L2 و MOD11_L2 سنجنده ماديس مدل رگرسيون و شبكه عصبي مصنوعي جهت پيشبيني دماي روسازي توسعه داده شد.مقايسه نتايج مدل‌هاي توسعه داده شده در اين پژوهش با پيشبيني مدل BELLS3 نشان دهنده دقت مناسب مدل‌ها‌ي توسعه يافته با داده‌هاي ورودي سنجش‌از‌دور در مقابل مدل BELLS3 است.

1397/11/23

Suggesting a temperature prediction model for pavement surface using remote sensing

2/3/2019 12:00:00 AM

Because of viscoelastic behavior of flexible pavement, its mechanical properties vary with temperature also accurate prediction of pavement temperature is essential for calculating pavement’s binder oxidation. most of the pavement temperature prediction models that developed before required climate data such as daily average wind speed and air temperature obtained from meteorological station, this dependence on climatic data is a source of error for predicting pavement temperature of roads which placed far from meteorological stations. main goal of this research was developing a model that can predict temperature of an asphalt pavement using Thermal Remote Sensing data as input. regression model and neural network has been trained using actual field data collected from a road located in Jiroft, Kerman, Iran. Results pointed out the developed Artificial Neural Network based pavement temperature prediction model has a high accuracy compared to measured values, making it reliable for predicting pavement temperature. The main advantage of the developed model is that it can predict the pavement temperature when meteorological data are not available, making it useful especially for developing countries which have few meteorological stations.