توسعه مدل رگرسیونی غیرخطی پیش‌بینی دمای عمق لایه‌های آسفالتی با استفاده از داده‌های LTPP – مطالعه موردی: ایالت اوهایو – آمریکا

صدیقیان فرد, محمد; صولتی فر, نادر

doi:10.22119/jte.2021.217101.2426

توسعه مدل رگرسیونی غیرخطی پیش‌بینی دمای عمق لایه‌های آسفالتی با استفاده از داده‌های LTPP – مطالعه موردی: ایالت اوهایو – آمریکا

نوع مقاله : علمی - پژوهشی

نویسندگان

¹ دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشگاه ارومیه، ارومیه، ایران

² استادیار، گروه مهندسی عمران، دانشگاه ارومیه، ارومیه، ایران

10.22119/jte.2021.217101.2426

چکیده

دمای عمق لایه‌های آسفالتی یکی از فاکتورهای مهم در فرآیند تحلیل، طراحی و مطالعات بهسازی (روکش) روسازی‌های آسفالتی است. مدل‌های پیش‌بینی به عنوان جایگزین اندازه‌گیری میدانی و آزمایشگاهی این دما، از روش‌های کم‌هزینه و سریع تعیین دمای عمق لایه‌های آسفالتی هستند. این در حالی است که این مدل‌ها بر اساس داده‌های میدانی و آزمایشگاهی محدود ساخته شده‌اند و نیاز به توسعه مدل‌هایی برای تعیین دمای عمق لایه‌های آسفالتی در شرایط مختلف ترافیکی و آب و هوایی وجود دارد. هدف اصلی این پژوهش توسعه مدلی برای پیش‌بینی دمای عمق لایه‌های آسفالتی بر اساس داده‌های آب و هوایی است. روش مدل‌سازی استفاده شده، مدل رگرسیون غیرخطی درجه دوم گام به گام می‌باشد که دمای عمق لایه‌های آسفالتی را بر اساس سایر متغیرها شامل عمق مورد نظر از سطح روسازی، دمای هوا، میانگین سرعت و جهت باد، حداقل رطوبت هوا و تابش آفتاب پیش‌بینی می‌کند. داده‌ها از پایگاه داده برنامه عملکرد بلندمدت روسازی (LTPP) استخراج شده و برای مدل‌سازی از داده‌های چندین ساله مربوط به ایالت اوهایو آمریکا استفاده شده است. با استفاده از داده‌های موجود، عملکرد مدل توسعه یافته مورد ارزیابی قرار گرفته است. همچنین مدل توسعه داده شده با استفاده از داده‌های مربوط به ایالت مونتانای آمریکا، اعتبارسنجی شده است. نتایج پژوهش قابلیت پیش‌بینی دمای عمق لایه‌های آسفالتی را بر اساس داده‌های آب و هوایی موجود توسط مدل توسعه یافته با دقت پیش‌بینی بسیار خوب (ضریب تعیین 95/0) و اُریب (بایاس) پیش‌بینی بسیار کم نشان می‌دهد.

کلیدواژه‌ها

20.1001.1.20086598.1401.13.3.2.4

عنوان مقاله [English]

Development of A Non-Linear Regression-Based Model for Prediction of Depth Temperature of Asphalt Layers Using LTPP Data – Case Study: Ohio, USA

نویسندگان [English]

Mohammad Sedighian-Fard ¹
Nader Solatifar ²

¹ M.Sc. Student, Department of Civil Engineering, Urmia University, Urmia, Iran

² Assistant Professor, Department of Civil Engineering, Urmia University, Urmia, Iran

چکیده [English]

Depth temperature of asphalt layers is one of the important factors in the analysis, design and rehabilitation process of flexible pavements. The predictive models as an alternative to field and laboratory measurements of this factor, are rapid and simple methods to determine the depth temperature of asphalt layers. It should be noted that these models are based on the limited field and laboratory data, therefore, there is a need for developing new models for prediction of the depth temperature of asphalt layers in different traffic and climatic conditions. The main purpose of this study is to develop a model for predicting the depth temperature of asphalt layers based on climatic data. The modeling method used in this study is a stepwise non-linear regression model that predicts the depth temperature of asphalt layers based on the other variables, including the desired depth from the pavement surface, air temperature, average speed and direction of the wind, minimum air humidity and solar radiation. Data was extracted from the Long-Term Pavement Performance (LTPP) database. As a case study, data points collected from pavements in Ohio, USA, has been used for modeling. Furthermore, the developed model is well validated using data from Montana, USA. Performance evaluation and validation of the developed model showed very good correlation between predicted and measured values. Results show the ability of the developed model in predicting the depth temperature of asphalt layers based on existing climatic data with very good prediction accuracy (R²(LOE) =0.95) and very low bias.

کلیدواژه‌ها [English]

Depth Temperature of Asphalt Layers
Temperature Prediction Model
Quadratic Regression Model
Long-Term Pavement Performance (LTPP)

مراجع

- صدیقیان فرد، محمد و صولتی‌فر، نادر (1399). ”تحلیل مدل‌های رگرسیونی پیش‌بینی دمای عمق لایه‌های آسفالتی – مطالعه مروری“، مهندسی عمران امیرکبیر، در حال چاپ.

- صولتی‌فر، نادر و عباسقربانی، مجتبی (1398). ”کالیبراسیون مدل‌های رگرسیونی مبتنی بر اصول ویسکوالاستیک برای پیش‌بینی مدول دینامیکی لایه‌های آسفالتی در حال بهره‌برداری“، فصلنامه مهندسی حمل و نقل، در حال چاپ.

- Akihiro, F., Akira, S. and Teruyuki, F. (2012). “A New Approach to Modeling Vehicle-Induced Heat and Its Thermal Effects on Road Surface Temperature”, Journal of Applied Meteorology and Climatology, Vol. 51, Issue. 1, pp. 1980-1993. doi: https://doi.org/10.1175/JAMC-D-11-0156.1

- Bai, Q., Qian, Z. and Li, H. (2011). “Asphalt Pavement Temperature Field Model Based on Statistic Regression Method”, Journal of Highway and Transportation Research and Development, Vol. 28, No. 11, pp. 27–31. doi: https://doi.org/10.1155/2018/1837952

- Bezerra, M. A., Santelli, R. E., Oliveira, E. P., Villar, L. S. and Escaleira, L. A. (2008), “Response Surface Methodology (RSM) as a Tool for Optimization in Analytical Chemistry”, Talanta, Vol. 76, Issue. 5, pp. 965-977. doi: https://doi.org/10.1016/j.talanta.2008.05.019

- Cao, L., Dong, Z. and Sun, L. (2007). “Research on Permanent Deformation of Asphalt Pavement Considering Pavement Temperature Distribution”, Journal of Tongji University, Vol. 35, No. 12, pp. 1617–1621.

- Chapman, L., Thornes, J. E. and Bradley, A. V. (2001). “Modeling of Road Surface Temperatures from a Geographical Parameter Database, Part. 1, Stat. Meteor. Appl., Vol. 8, Issue. 4, pp. 409–419. doi: https://doi.org/10.1017/S1350482701004030

- Christison, J. T. and K. O. Anderson, K. O. (1972). “The Response of Asphalt Pavements to Low Temperature Climatic Environments”, In Proceedings of AIRD International Conference on the Structural Design of Asphalt Pavements, pp. 41–52, Grosvenor House, Park Lane, London, UK.

- Diefenderfer, B. K., Al-Qadi, I. L. and Reubush, S. D. (2002). “Development and Validation of a Model to Predict Pavement 10 Advances in Civil Engineering Temperature Profile”, J. of the Transportation Research Board, Washington, D.C., USA.

- Diefenderfer, B. K., Al-Qadi, I. L. and Diefenderfer, S. D. (2006), “Model to Predict Pavement Temperature Profile: Development and Validation”, Journal of Transportation Engineering, Vol. 132 Issue. 2. doi: https://doi.org/10.1061/(ASCE)0733-947X(2006)132:2(162)

- Dong, Z. J., Li, S. I. and Wen, J. Y. (2014). “Real-Time Temperature Field Measurement of Asphalt Pavement Based on Fiber Bragg Grating Measuring Technology”, Journal of Traffic and Transportation Engineering, Vol. 14, No. 2, pp. 1–6.

- FHWA. (2017). “The Long-Term Pavement Performance Program”, Publication No. FHWA-HRT-15-049, Turner-Fairbank Highway Research Center, 6300 Georgetow Pike, McLean, VA 22101.

- Huber, G. A. (1994). “Weather Database for the SUPERPAVE (Trademark) Mix Design System, Strategic Highway Research Program, SHRP-A-648A, National Research Council, Washington, D.C., USA.

- Irwin, R. S. and Boston, I. (2005). “Rigid and Flexible Pavement Design”, Transportation Research Record, Journal of the Transportation Research Board, No.1919, Washington, D.C., USA.

- Jing, C. and Zhang, J. (2018). “Prediction Model for Asphalt Pavement Temperature in High-Temperature Season in Beijing”, Advances in Civil Engineering, Vol. 2018, Article ID. 1837952. doi: https://doi.org/10.1155/2018/1837952

- Kang, H. G., Zheng, Y. X. and Cai, Y. C. (2007). “Regression Analysis of Actual Measurement of Temperature Field Distribution Rules of Asphalt Pavement”, China Journal of Highway and Transport, Vol. 20, No. 6, pp. 13–18.

- Kim, Y. R. and Lee, Y. C. (1995). “Interrelationships among Stiffnesses of Asphalt-Aggregate Mixtures”, Journal of the Association of Asphalt Paving Technologists, Vol. 64, pp. 575–609.

- Lukanen, E. O., Chunhua, H. and Skok, E. L. (1998). “Probabilistic Method of Asphalt Binder Selection Based on Pavement Temperature”, J. of the Transportation Research Board, Vol. 1609, Issue. 1, pp. 12-20. doi: https://doi.org/10.3141/1609-02

- Marshall, C., Meier, R. and Welch, M. (2001). “Seasonal Temperature Effects on Flexible Pavements in Tennessee”, Transportation Research Board, Vol. 1764, Issue. 1, pp. 89-96. doi: https://doi.org/10.3141/1764-10

- Park, H. M., Kim, Y. R. and Park, S. (2002). “Temperature Correction of Multiload-Level Falling-Weight Deflectometer Deflections”. J. of the Transportation Research Board, Vol. 1806, pp. 3–8. doi: https://doi.org/10.3141/1806-01

- Petersen, C. and Mahura, A. (2012). “Influence of the Pavement Type on the Road Surface Temperature”, In 16^th International Road Weather Conference, May (23-25), Helsinki, Finland.

- Qin, Y. and Hiller, J. E. (2011). “Modeling Temperature Distribution in Rigid Pavement Slabs: Impact of Air Temperature”, Construction and Building Materials, Vol. 25, No. 9, pp. 3753-3761. doi: https://10.1016/j.conbuildmat.2011.04.015

- Rayer, P. J. (1987). “The Meteorological Office Forecast Road Surface Temperature Model”, Meteor. Magazine, Vol. 116, pp. 180–191.

- Shao, J. and Lister, P. J. (1996). “An Automated Now casting Model of Road Surface Temperature and State for Winter Road Maintenance”, Journal of Applied Meteorology and Climatology (JAMC), Vol. 35, pp. 1352–1361. doi: https://doi.org/10.1175/1520-0450(1996)035%3C1352:AANMOR%3E2.0.CO;2

- Shao, L., Park, S. W., & Kim, Y. R. (1997). “Simplified Procedure for Prediction of Asphalt Pavement Subsurface Temperatures Based on Heat Transfer Theories”, J. of the Transportation Research Board, Vol. 1568, Issue. 1, pp. 114–123. doi: https://doi.org/10.3141/1568-14

- Shrestha, N. (2020). “Detecting Multicollinearity in Regression Analysis”, American Journal of Applied Mathematics and Statistics, 2020, Vol. 8, No. 2, 39-42. doi: https://doi.org/10.12691/ajams-8-2-1

- Solatifar, N. and Lavasani, S. M. (2020). “Development of An Artificial Neural Network Model for Asphalt Pavement Deterioration Using LTPP Data”, Journal of Rehabilitation in Civil Engineering, Vol. 8, No. 1, pp. 121-132. doi: https://dx.doi.org/10.22075/jrce.2019.17120.1328

- Solatifar, N., Abbasghorbani, M., Kavussi, A. and Sivilevičius, H. (2018). “Prediction of Depth Temperature of Asphalt Layers in Hot Climate Areas”, Journal of Civil Engineering and Management, Vol. 24, No. 7, pp. 516-525. doi: https://doi.org/10.3846/jcem.2018.6162

- Wang, D. and Roesler, J. R. (2012). “One-Dimensional Rigid Pavement Temperature Prediction Using Laplace Transformation,” Journal of Transportation Engineering, Vol. 138, No. 9, pp. 1171–1177. doi: https://doi.org/10.1061/(ASCE)TE.1943-5436.0000413

- Xu, B., Dan, Han-Cheng. and Li, L. (2017). “Temperature Prediction Model of Asphalt Pavement in Cold Regions Based on an Improved BP Neural Network”, Applied Thermal Engineering, Vol. 120, pp. 568-580. doi: https://dx.doi.org/10.1016/j.applthermaleng.2017.04.024