التنبؤ بمؤشر حالة الرصف باستخدام خوارزميات التعلم الآلي والأساليب التقليدية

عبدالمطلب عبدالعزيز يخلف علي , محمد عمران امبارك السكبي , مفتاح محمد صالح سريح

الملخص

تستخدم الوكالات الحكومية ومهندسو النقل أنظمة إدارة الرصف (PMS) لتقييم أداء الرصف والحفاظ على الرصف فوق الحد الأدنى من معايير الأداء المقبولة. يعتبر مؤشر حالة الرصف (PCI) ومؤشر الخشونة الدولي (IRI) من أكثر المؤشرات استخدامًا لتقييم ظروف الرصف. نظرًا لكون جمع بيانات IRI أكثر سهولة وأقل تكلفة من جمع بيانات اضرار الرصف، تهدف هذه الدراسة إلى تطوير نماذج PCI يمكنها تقدير قيم PCI بنجاح استنادًا إلى IRI للرصف المرن باستخدام تقنيتين للتعلم الآلي (ML)، وهما: الغابة العشوائية (RF) وخوارزمية آلة المتّجه الداعم (SVM)، وثلاث تقنيات تقليدية وهي: الانحدار (الخطي -التربيعي -التكعيبي). تم إجراء الدراسة باستخدام قاعدة البيانات التي تم جمعها من برنامج أداء الرصف طويل المدى (LTPP). بينت نتائج مجموعة البيانات أن كلا نموذجي (RF& SVM) يتمتعان بقدرة تنبؤ قوية مع قيم عالية لمعامل التحديد (99.7 و 96.8) % وقيم منخفضة لمتوسط خطأ الجذر التربيعي (1.095 و 3.569) %و متوسط الخطأ المطلق (0.474 و 2.244) %.  في النهاية، تمت مقارنة جودة ملاءمة نماذج ML المقترحة مع نماذج التقنيات التقليدية التي تم تطويرها مسبقًا. أظهرت النتائج أن نماذج ML أعطت دقة تنبؤ أعلى من التقنيات التقليدية.

النص الكامل

تم إنشاؤه من ملف XML

المؤلفون

عبدالمطلب عبدالعزيز يخلف علي
aayali@azu.edu.ly (اتصال رئيسي)
محمد عمران امبارك السكبي
مفتاح محمد صالح سريح
التنبؤ بمؤشر حالة الرصف باستخدام خوارزميات التعلم الآلي والأساليب التقليدية. (2022). مجلة العلوم البحتة والتطبيقية , 21(4), 304-309. https://doi.org/10.51984/jopas.v21i4.2267
تنزيل الاقتباسات
Endnote/Zotero/Mendeley (RIS) BibTeX

تفاصيل المادة

كيفية الاقتباس

التنبؤ بمؤشر حالة الرصف باستخدام خوارزميات التعلم الآلي والأساليب التقليدية. (2022). مجلة العلوم البحتة والتطبيقية , 21(4), 304-309. https://doi.org/10.51984/jopas.v21i4.2267

المؤلفات المشابهة

يمكنك أيضاً إبدأ بحثاً متقدماً عن المشابهات لهذا المؤلَّف.