Zurück Vor

Detailergebnis zu DOK-Nr. 78867

Anwendung einer hybriden neuralen Netzwerkstruktur für die FWD-Rückrechnung mit LTPP-Daten (Orig. engl.: Application of a hybrid neural network structure for FWD backcalculation based on LTPP database)

Autoren	C. Han T. Ma S. Chen J. Fan
Sachgebiete	14.7 Tragfähigkeitsprüfungen 1.5 Straßendatenbank

International Journal of Pavement Engineering 23 (2022) Nr. 9, S. 3099-3112, 16 B, 4 T, zahlr. Q

Das Falling Weight Deflectometer (FWD) ist eine Untersuchungseinrichtung zur Ermittlung der Tragfähigkeit von Straßenbefestigungen. Mit einer Fallmasse wird eine Einsenkungsmulde auf der Straßenoberfläche erzeugt, die mit Geophonen erfasst wird. Die konventionelle Auswertung ist die Rückrechnung zur Ermittlung der einzelnen Schichtmodulen unter Verwendung mechanischer Modelle. Eine andere Auswertung mit gleichem Ziel benutzt Künstliche Neurale Netze (artificial neural network ANN). Die Autoren weisen dabei auf die Nachteile einer schlechten Verallgemeinerungsfähigkeit und eine geringe Konvergenzgenauigkeit hin. Sie entwickelten daher eine hybride neurale Netzwerkstruktur. Diese wurde kombiniert mit einem residualen neuralen Netzwerk, einem rekurranten neuralen Netzwerk und einer Wide & Deep-Struktur (ResRNN-W&D). Mit Daten aus dem LTPP-Programm wurde eine Fallstudie mit fünf Untersuchungsstrecken mit verschiedenen Asphaltbauweisen durchgeführt. Das Ergebnis zeigt, dass mit der ResRNN-W&D-Struktur eine stärkere Verallgemeinerungsfähigkeit erreicht wird als mit herkömmlichen ANN.