پروین صفاپور

امروزه روش‌های هوشمند در پیش‌بینی پاره‌ای از کمیت‌ها می‌توانند به عنوان ابزاری قدرتمند برای بهینه سازی مدل‌های پیش‌بینی بکار روند. در این تحقیق دو هدف، یکی مدل‌سازی مقاومت مارشال نمونه‌های تثبیت شده با امولسیون قیر و سیمان جهت زیرسازی جاده ها و دیگری بهینه یابی هزینه های اجرایی کاربرد امولسیون قیر و سیمان در تثبیت این نوع زیرسازی دنبال شده است. به این منظور 170 آزمایش بر روی نمونه‌های تثبیت شده برای آموزش شبکه عصبی- فازی انجام شده و مورد استفاده قرار گرفته اند. سپس مقاومت مارشال نمونه‌ها، توسط شبکه هوشمند عصبی - فازی مدل شده و با استفاده از الگوریتم ژنتیک هزینه های اجرایی بهینه یابی شده است. در مدل سازی انجام شده از نرم افزار MATLAB استفاده شده است. نتایج این تحقیق نشان می‌دهد که با مدل پیشنهادی می‌توان تا حدود زیادی در هزینه‌های ساخت جاده‌ها صرفه‌جویی کرد.