Zurück Vor

Detailergebnis zu DOK-Nr. 50510

Vorhersage des Gebrauchsverhaltens von Fahrbahnbefestigungen mit der Methode der künstlichen neuronalen Netzwerke (Orig. engl.: Pavement performance prediction by artificial neural networks)

Autoren	A.R. Shekharan
Sachgebiete	14.0 Allgemeines (u.a. Energieverbrauch)

Computational intelligence applications in pavement and geotechnical systems: Proceedings of the 2nd International Workshop on Artificial Intelligence and Mathematical Methods in Pavement and Geomechanical Systems, Newark, Delaware, USA, 11-12 August 2000. Rotterdam u.a.: Balkema, 2000, S. 89-98, 5 B, 2 T, 7 Q

Im Rahmen des Pavement Management Systems (PMS) wächst das Bedürfnis, das Gebrauchsverhalten der Fahrbahnbefestigungen genau vorhersagen zu können. Zu diesem Zweck wurden traditionelle Regressionsmodelle angewendet. Die Entwicklung dieser Modelle war keine leichte Aufgabe, da die ursächlichen Faktoren, die zur Verschlechterung einer Fahrbahnbefestigung führen, teilweise nicht richtig erkannt wurden. Mit der Einführung des PMS traten große Datensätze auf. Zur Bearbeitung dieser Datensätze muss eine Technik angewendet werden, mit der auch nichtlineare Zusammenhänge dargestellt und erklärt werden können; zur Beschreibung dieser Zusammenhänge sind viele Regressionsmodelle nicht passend. Als Alternative bieten sich künstliche neuronale Netzwerke (Artificial Neural Network, ANN) an. Mit dem ANN kann der Zustand von Fahrbahnbefestigungen mit einem zusammengesetzten Index bewertet werden. Betrachtet werden Asphaltfahrbahnbefestigungen mit und ohne Verstärkung, Zementbetonfahrbahnbefestigungen mit Fugen sowie mit Bewehrung. In dem Beitrag ist eine kurze Darstellung der Theorie der ANN enthalten. Zur Überprüfung der mit den ANN berechneten Ergebnisse wurden diese mit denen der Regressionsmodelle verglichen. Der Autor kommt zu dem Ergebnis, dass die Methode der ANN eine Erfolg versprechende Alternative für Prognosemodelle ist.