Detailergebnis zu DOK-Nr. 81550
Auf der Basis von künstlichen Netzen erstelltes Prognosemodell für die Koeffizienten der Boden-Wasser-Charakteristik anhand der Eigenschaften von Böden (Orig. engl.: Artificial network-based prediction model for soil-water characteristics curve coefficients from soil index properties)
| Autoren |
P.K. Acharjee M.I. Souliman M.M. Isied |
|---|---|
| Sachgebiete |
7.2 Erdarbeiten, Felsarbeiten, Verdichtung 8.0 Allgemeines 11.1 Berechnung, Dimensionierung, Lebensdauer |
Bituminous Mixtures and Pavements VIII: Proceedings of the 8th International Conference on Bituminous Mixtures and Pavements, ICONFBMP, Thessaloniki, Greece, 12-14 June 2024. Boca Raton: CRC Press, 2024, S. 180-189, 3 B, 1 T, zahlr. Q
Für die mechanisch-empirische Bemessung von Straßenbefestigungen in den USA sind die Koeffizienten der Boden-Wasser-Charakteristik (SWCC) eine Grundvoraussetzung. Die Bestimmung dieser kann jedoch zeit- und kostenintensiv sein, sodass im Rahmen der Studie ein Prognosemodell für diese anhand von bodenmechanischen Kenndaten erstellt wurde. Dieses basierte auf einem künstlichen neuronalen Netz (ANN), welches mithilfe eines Feed-Forward Network (FNN) mit einer ausgeblendeten Schicht entwickelt und mit dem Levenberg-Marquardt-Algorithmus trainiert wurde. Insgesamt wurden 16 625 Datenpunkte zum Training, der Validierung und für den Test des Prognosemodells verwendet. Als Eingangsparameter für das ANN wurden der Durchgang durchs 200er-Sieb sowie der Plastizitätsindex verwendet. Im Vergleich mit anderen bereits vorhandenen Modellen hatte das neu entwickelte eine bessere Performance, sodass es aufgrund der leicht und zeitnah bestimmbaren Eingangsparameter unterstützend zur Abschätzung der SWCC-Koeffizienten mit ausreichender Genauigkeit verwendet werden kann.