Detailergebnis zu DOK-Nr. 61798
Neuronaler netzwerkbasierter Ansatz zur Analyse von starren Befestigungssystemen unter Verwendung von Deflexionsdaten (Orig. engl.: Neural network-based approach for analysis of rigid pavement systems using deflection data)
| Autoren |
H. Ceylan M.B. Bayrak |
|---|---|
| Sachgebiete |
11.1 Berechnung, Bemessung, Lebensdauer 14.7 Tragfähigkeitsprüfungen |
Washington, D.C.: Transportation Research Board (TRB), 2007 (Transportation Research Record (TRB) H. 2068) S. 61-70, 8 B, 2 T, 36 Q
Der Bericht fokussiert sich auf Rückrechnungsmodelle, die sich auf künstliche neuronale Netze (ANN) beziehen, um Schichtmoduln von miteinander verbundenen, unbewehrten Betonplatten, bestehend aus dem elastischen Modul des Portland-Zement-Betons und dem Untergrund-Koeffizient zu prognostizieren. Die ANN-Modelle werden für die Prognose der Schichtmoduln durch die Verwendung von FWD-Deflexionen und der Befestigungsdicke trainiert. Das ISLAB2000-FE-Programm, seit mehr als 20 Jahren weitgehend getestet und angepasst, wurde benutzt als ein fortgeschrittenes Strukturmodell zur Sicherung der Beanspruchungsreaktionen der starren Bauweise und zur Generierung einer Erfahrungsgrundlage. ANN-basierte Rückrechnungsmodelle sind in der Lage, brauchbare Alternativen in kürzester Zeit zu berechnen. Die trainierten ANN-Modelle prognostizieren Befestigungsparameter mit einer geringen Fehlerrate. Die Prognosen und die geschlossenen Lösungen der Modelle wurden anhand von Deflexionsdaten miteinander verglichen und weisen untereinander eine sehr große Genauigkeit auf.