Detailergebnis zu DOK-Nr. 76326
Künstlich-neurales netzwerkbasierte Voraussage der In-situ-Durchlässigkeit von Asphaltschichten (Orig. engl.: Artificial neural network-based prediction of field permeability of hot mix asphalt pavement layers)
| Autoren |
M.K. Nivedya R.B. Mallick |
|---|---|
| Sachgebiete |
11.2 Asphaltstraßen 11.1 Berechnung, Dimensionierung, Lebensdauer |
International Journal of Pavement Engineering 21 (2020) Nr. 9, S. 1057-1068, 8 B, 4 T, zahlr. Q
Das Eindringen von Wasser in Straßenbefestigungen aus Asphalt verschlechtert den strukturellen Zustand sowohl der Asphaltschichten durch Kornablösungen und nachfolgende Rissbildung als auch der Tragschichten durch Anwachsen der Wassersättigung. Es wurde eine umfangreiche Literaturauswertung über Untersuchungen des Zusammenhangs zwischen relevanten Einflussfaktoren und der Durchlässigkeit angestellt. Dabei zeigte sich, dass mit Ergebnissen von Durchlässigkeitsversuchen in situ höhere Genauigkeiten als von solchen im Labor erreicht wurden. In der im Bericht dargestellten Untersuchung wurde eine Analyse und Modellierung der Einflussfaktoren und -parameter und der resultierenden Durchlässigkeit mithilfe künstlich neuraler Netzwerke (Artificial neural networks ANN) durchgeführt. Die Ermittlung der erforderlichen Daten erfolgte an fünf Untersuchungsstrecken mit unterschiedlichen Asphaltbefestigungen. Als Resümee empfehlen die Autoren, ein angelerntes ANN zu verwenden.