АНАЛИЗ КАЧЕСТВА АСФАЛЬТОБЕТОННОЙ СМЕСИ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
DOI:
https://doi.org/10.52167/1609-1817-2023-129-6-347-356Ключевые слова:
асфальт, качество, искусственный интеллект, искусственные нейронные сети, метод опорных векторов, автоматизацияАннотация
В данной статье приводится исследование применения методов искусственного интеллекта для оптимизации процессов производства асфальтобетонных смесей и анализа их качества. Используя модели искусственных нейронных сетей (ANN) и метод опорных векторов с использованием наименьших квадратов (LS-SVM), авторы представляют автоматизированную технологическую линию управления производством асфальтобетонных смесей. Статья подчеркивает высокую эффективность и точность предсказания этих моделей, что ведет к оптимизации производственных процессов и улучшению качества производимого асфальта. Исследование демонстрирует возможности использования искусственного интеллекта для повышения качества и эффективности производства асфальтобетонных смесей, а также открывает новые перспективы для разработки и внедрения автоматизированных систем управления. Научная новизна данного исследования заключается в применении методов искусственного интеллекта для анализа качества асфальта и определения оптимальных параметров его производства в Казахстане. Это представляет большой интерес для строительной отрасли и открывает новые горизонты для автоматизации производственных процессов. Разработанные модели могут быть внедрены в реальные производственные условия, что приведет к повышению качества дорожного покрытия и оптимизации процесса его производства. Это, в свою очередь, способствует улучшению долговечности и безопасности дорожных покрытий, а также снижению затрат в области производства асфальта.
Библиографические ссылки
[1] Botella, R., Lo Presti, D., Vasconcelos, K. et al. "Machine learning techniques to estimate the degree of binder activity of reclaimed asphalt pavement." Mater Struct 55, 112 (2022). https://doi.org/10.1617/s11527-022-01933-9
[2] Jian Liu, Fangyu Liu, Chuanfeng Zheng, Daodao Zhou, Linbing Wang. "Optimizing asphalt mix design through predicting effective asphalt content and absorbed asphalt content using machine learning." Construction and Building Materials, Volume 325, 2022. https://doi.org/10.1016/j.conbuildmat.2022.126607
[3] Syeda Rahman, Amit Bhasin, Andre Smit. "Exploring the use of machine learning to predict metrics related to asphalt mixture performance." Construction and Building Materials, Volume 295, 2021. https://doi.org/10.1016/j.conbuildmat.2021.123585
[4] Haissam Sebaaly, Sudhir Varma, James W. Maina. "Optimizing asphalt mix design process using artificial neural network and genetic algorithm." Construction and Building Materials, Volume 168, 2018. https://doi.org/10.1016/j.conbuildmat.2018.02.118
[5] Ivica A, Ivan M. "Development of ANN and MLR models in the prediction process of the hot mix asphalt (HMA) properties." Can J Civil Eng. https://doi.org/10.1139/cjce-2017-0300
[6] Mousa KM, Abdelwahab HT, Hozayen HA. "Models for estimating optimum asphalt content from aggregate gradation." Proceedings of the institution of civil engineers—construction materials, 2018. https://doi.org/10.1680/jcoma.18.00035
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Майра Уаисова, Бахтияр Жарлыкасов , Азамат Жикеев
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
