Zurück Vor

Detailergebnis zu DOK-Nr. 78741

ANN-basierte dynamische Modulmodelle von Asphalten mit ähnlichen Eingangsvariablen wie Hirsch- und Witczak-Modelle (Orig. engl.: ANN-based dynamic modulus models of asphalt mixtures with similar input variables as Hirsch and Witczak models)

Autoren	J. Barugahare A.N. Amirkhanian F. Xiao S.N. Amirkhanian
Sachgebiete	9.1 Bitumen, Asphalt 11.1 Berechnung, Bemessung, Lebensdauer 9.14 Ind. Nebenprodukte, Recycling-Baustoffe

International Journal of Pavement Engineering 23 (2022) Nr. 5, S. 1328-1338, 7 B, 4 T, zahlr. Q

In der im Artikel referierten Studie wurden künstliche neuronale Netze (ANNs) und Gb(Index b)*-basierte Regressionsmodelle zur Prognose des dynamischen Moduls (|E*|) von Heißasphalten aus South Carolina (mit Asphaltgranulat) verwendet. Das Training und Testen der Modelle erfolgte mithilfe einer Datenbank, die 1 656 Werte für |E*| von 93 Asphalten enthielt. Zu den Gb(Index b)*-basierten Modellen gehörte das überarbeitete Hirsch Modell, Bari-Witczak, das überarbeitete Bari-Witczak, Al-Khateeb 1 und 2, NCHRP 1-40D sowie das vereinfachte globale Modell. Die Ergebnisse zeigen, dass G(Index b)*-basierte Regressionsmodelle zu einer signifikanten Verzerrung der Prognose führen. Die Kopplung des Hohlraumgehalts des Gesteinskörnungsgerüsts (VMA) und G(Index b)* hat den größten Einfluss auf |E*|. Bei Verwendung der zugehörigen Eingaben des Hirsch-Modells lieferten vierschichtige ANNs im Allgemeinen bessere Ergebnisse als dreischichtige ANNs. Die Ergebnisse von ANN 3-15-15-1 und ANN 8-15-15-1 (entwickelt mit ähnlichen Eingabevariablen wie die Hirsch- und Witczak-Regressionsmodelle) zeigten ein hohes Bestimmtheitsmaß von R² > 0,994. Daher sollten ANNs zur Analyse des Einflusses der rheologischen Eigenschaften der Bindemittel und der volumetrischen Eigenschaften der Asphalte und des Asphaltgranulats auf |E*| verwendet werden, da bessere Ergebnisse im Vergleich zu regressionsbasierten Modellen erhalten werden.