- ข้อความ
- ประวัติศาสตร์
3.2. Model calibrationIn this secti
3.2. Model calibration
In this section, a model-based calibration method [33] is used
for estimating appropriate values for unknown parameters of the
SD model. The units under analysis in this model are defined as
road sections. By modeling multiple road sections, analysis of
condition of highway network is also possible. Table 1 shows the
road condition data over the years 2002 to 2008 for the fourteen
road sections in 17 miles of the highway network under analysis
after some data cleaning. These data points are used for the
calibration process. The cells that are bold, underlined, and italic
show the years in which preventive, corrective, and restorative
maintenance operations have been performed on the road sections
under analysis, respectively. Preventive maintenance (PM) preserves
the existing pavement integrity and reduces the rate of
deterioration. Corrective maintenance (CM) maintains the characteristics
and structural integrity of an existing pavement for
continued serviceability. Restorative maintenance (RM) refers to
new surface layers that restore the pavement structure to a level
similar to the original condition of the pavement [34,35]. The
maintenance operations in the calibration runs happen exogenously
according to the data provided in Table 1. As the empirical
data shows, after performing maintenance operations on road
sections under analysis, the condition of the road sections have
gone back to perfect condition in the next year. To mimic the real
world scenarios, when a maintenance operation is performed
(according to the schedule observed in Table 1) in the calibration,
the level of “Road Quality” is also restored to its maximum
possible values which, consequently, lead to maximum possible
CCI (i.e., CCI¼100). Note that in real world, we may also observe
scenarios in which the road condition is not restored to perfect
condition after performing a maintenance operation (for example
if we do not perform the right maintenance operation given the
level of deterioration of the road).
The objective of the calibration process is to estimate the values
of the unknown parameters that capture the deterioration rate of
road sections (i.e., the rate of depletion of the Road Quality stock)
in the SD model so that the CCI of the simulated road sections
follow the CCI data provided in Table 1. Thus, an error term is
defined for each road section as the difference between the road
section’s CCI obtained from the model and the corresponding CCI
available from the Table 1. The payoff function of the calibration
process (that needs to be minimized) is then defined as the
weighted sum of fourteen squared error terms corresponding to
the fourteen road sections. Error terms are weighted proportional
to the inverse of the standard deviation of the error terms, which
leads to maximum likelihood estimates for the estimated parameters
assuming normally distributed errors [36]. All simulations
and calibration were conducted in Vensim[37] software using
Euler integration method with time step 0.0625 year (results
showed no sensitivity to smaller time steps). Modified Powell
conjugate search [38] was used for calibration. Calibration was
restarted multiple times from different points of parameter space
to increase confidence in finding the global peak in the numerical
optimization.
As an example, Fig. 5 shows the comparison of CCI data
obtained from the Table 1 and from the SD model for the road
section “1” and “12”.
The unknown parameters of the model have been estimated so
that the model mimics the deterioration process that happened in
the highway network under analysis. Table 2 shows the estimated
values for model parameters obtained from calibration process. All
parameters are found to take realistic values. The allowable load
cycles, approximately at 100 million, is comparable with the
relevant load cycles used in highway design. The estimates show
a modest increase in deterioration with age (Beta¼1.42) and a
faster deterioration rate with reduced quality (Delta¼2), leading
to a notable reinforcing loop, where allowing the road section to
go into a low-quality region leads to more significant costs of
deterioration.
In this section, a model-based calibration method [33] is used
for estimating appropriate values for unknown parameters of the
SD model. The units under analysis in this model are defined as
road sections. By modeling multiple road sections, analysis of
condition of highway network is also possible. Table 1 shows the
road condition data over the years 2002 to 2008 for the fourteen
road sections in 17 miles of the highway network under analysis
after some data cleaning. These data points are used for the
calibration process. The cells that are bold, underlined, and italic
show the years in which preventive, corrective, and restorative
maintenance operations have been performed on the road sections
under analysis, respectively. Preventive maintenance (PM) preserves
the existing pavement integrity and reduces the rate of
deterioration. Corrective maintenance (CM) maintains the characteristics
and structural integrity of an existing pavement for
continued serviceability. Restorative maintenance (RM) refers to
new surface layers that restore the pavement structure to a level
similar to the original condition of the pavement [34,35]. The
maintenance operations in the calibration runs happen exogenously
according to the data provided in Table 1. As the empirical
data shows, after performing maintenance operations on road
sections under analysis, the condition of the road sections have
gone back to perfect condition in the next year. To mimic the real
world scenarios, when a maintenance operation is performed
(according to the schedule observed in Table 1) in the calibration,
the level of “Road Quality” is also restored to its maximum
possible values which, consequently, lead to maximum possible
CCI (i.e., CCI¼100). Note that in real world, we may also observe
scenarios in which the road condition is not restored to perfect
condition after performing a maintenance operation (for example
if we do not perform the right maintenance operation given the
level of deterioration of the road).
The objective of the calibration process is to estimate the values
of the unknown parameters that capture the deterioration rate of
road sections (i.e., the rate of depletion of the Road Quality stock)
in the SD model so that the CCI of the simulated road sections
follow the CCI data provided in Table 1. Thus, an error term is
defined for each road section as the difference between the road
section’s CCI obtained from the model and the corresponding CCI
available from the Table 1. The payoff function of the calibration
process (that needs to be minimized) is then defined as the
weighted sum of fourteen squared error terms corresponding to
the fourteen road sections. Error terms are weighted proportional
to the inverse of the standard deviation of the error terms, which
leads to maximum likelihood estimates for the estimated parameters
assuming normally distributed errors [36]. All simulations
and calibration were conducted in Vensim[37] software using
Euler integration method with time step 0.0625 year (results
showed no sensitivity to smaller time steps). Modified Powell
conjugate search [38] was used for calibration. Calibration was
restarted multiple times from different points of parameter space
to increase confidence in finding the global peak in the numerical
optimization.
As an example, Fig. 5 shows the comparison of CCI data
obtained from the Table 1 and from the SD model for the road
section “1” and “12”.
The unknown parameters of the model have been estimated so
that the model mimics the deterioration process that happened in
the highway network under analysis. Table 2 shows the estimated
values for model parameters obtained from calibration process. All
parameters are found to take realistic values. The allowable load
cycles, approximately at 100 million, is comparable with the
relevant load cycles used in highway design. The estimates show
a modest increase in deterioration with age (Beta¼1.42) and a
faster deterioration rate with reduced quality (Delta¼2), leading
to a notable reinforcing loop, where allowing the road section to
go into a low-quality region leads to more significant costs of
deterioration.
0/5000
3.2 เทียบรุ่นในส่วนนี้ ใช้วิธีการปรับเทียบแบบจำลองตาม [33]สำหรับการประเมินค่าสำหรับพารามิเตอร์ที่ไม่รู้จักของรุ่น SD หน่วยภายใต้การวิเคราะห์ในแบบจำลองนี้มี defined เป็นส่วนถนน โดยโมเดลหลายถนนส่วน วิเคราะห์เงื่อนไขของทางหลวงก็สามารถทำได้ ตารางที่ 1 แสดงการข้อมูลสภาพถนนช่วงปี 2002-2008 สำหรับสิบสี่ส่วนถนน 17 ไมล์ของหลวงภายใต้การวิเคราะห์หลังจากบางข้อมูลทำความสะอาด จุดข้อมูลเหล่านี้จะใช้สำหรับการกระบวนการปรับเทียบ เซลล์ที่เป็นตัวหนา ขีดเส้นใต้ และตัวเอียงแสดงปีที่ป้องกัน แก้ไข และฟื้นฟูได้ปฏิบัติบำรุงรักษาการดำเนินการในส่วนถนนภายใต้การวิเคราะห์ ตามลำดับ รักษาบำรุงรักษาเชิงป้องกัน (PM)ความสมบูรณ์ของผิวที่มีอยู่ และลดอัตราเสื่อมสภาพ ลักษณะการรักษาบำรุงรักษาแก้ไข (ซม.)และความสมบูรณ์ของโครงสร้างของผิวที่อยู่ในserviceability อย่างต่อเนื่อง หมายถึงการบำรุงรักษาฟื้นฟู (RM)ชั้นผิวใหม่ที่คืนค่าโครงสร้างของผิวให้อยู่ในระดับคล้ายกับสภาพเดิมของผิว [34,35] ที่การดำเนินการบำรุงรักษาในการทำงานเทียบเกิดขึ้น exogenouslyตามข้อมูลในตารางที่ 1 เป็นที่ประจักษ์แสดงข้อมูล หลังจากดำเนินการบำรุงรักษาถนนส่วนภายใต้การวิเคราะห์ มีเงื่อนไขส่วนถนนไปกลับการรับประกันในปีถัดไป เพื่อเลียนแบบจริงสถานการณ์โลก เมื่อทำการดำเนินการบำรุงรักษา(ตามกำหนดการในตารางที่ 1) ในการปรับเทียบระดับของ"ถนน" ยังได้รับการคืนค่าการสูงสุดได้ค่าที่ ดังนั้น ลูกค้าเป้าหมายให้ได้สูงสุดCCI (เช่น CCI¼100) หมายเหตุว่า ในโลกจริง เราอาจยังพบสถานการณ์ที่สภาพถนนจะไม่คืนค่าที่สมบูรณ์แบบสภาพหลังจากการดำเนินงานบำรุงรักษาเป็นต้นถ้าเราไม่ดำเนินการบำรุงรักษาที่เหมาะสมให้การระดับของของถนน)วัตถุประสงค์ของการปรับเทียบจะประเมินค่าพารามิเตอร์ไม่ทราบที่จับอัตราการเสื่อมสภาพส่วนถนน (เช่น อัตราการลดลงของหุ้นคุณภาพถนน)ในแบบ SD ที่ CCI ส่วนถนนจำลองตามข้อมูล CCI ที่ให้ในตารางที่ 1 ดังนั้น เป็นระยะมีข้อผิดพลาดdefined สำหรับแต่ละส่วนถนนเป็นความแตกต่างระหว่างถนนCCI ของส่วนที่ได้รับจากแบบจำลองและ CCI ที่สอดคล้องกันว่างจากตารางที่ 1 การทำงานผลตอบแทนของการปรับเทียบกระบวนการ (ที่จำเป็น) จะ defined เป็นผลรวมถ่วงน้ำหนักสิบสี่ข้อผิดพลาดกำลังสองเงื่อนไขที่สอดคล้องกับส่วนถนนสิบสี่ เงื่อนไขข้อผิดพลาดถ่วงน้ำหนักตามสัดส่วนการผกผันของค่าเบี่ยงเบนมาตรฐานของข้อผิดพลาด ซึ่งนำไปสู่การประเมินความเป็นไปได้สูงสุดสำหรับพารามิเตอร์การประเมินสมมติว่าปกติกระจายข้อผิดพลาด [36] จำลองสถานการณ์ทั้งหมดและเทียบได้ดำเนินการในการใช้ซอฟต์แวร์ Vensim [37]ออยเลอร์รวมวิธีขั้นตอนเวลา 0.0625 ปี (ผลลัพธ์พบความไวไม่ให้ขั้นตอนเวลาเล็ก) Modified พาวเวลค้นหา conjugate [38] ถูกใช้สำหรับการปรับเทียบ ปรับเทียบได้เริ่มใหม่หลายครั้งจากจุดต่าง ๆ ของพารามิเตอร์เพิ่ม confidence ใน finding สูงสุดทั่วโลกในการแทนเพิ่มประสิทธิภาพการเป็นตัวอย่าง Fig. 5 แสดงการเปรียบเทียบข้อมูล CCIได้ จากตารางที่ 1 และแบบ SD สำหรับถนนส่วน "1" และ "12"ไม่รู้จักพารามิเตอร์ของแบบจำลองได้ถูกประเมินเพื่อว่า แบบจำลองที่เลียนแบบกระบวนการเสื่อมสภาพที่เกิดขึ้นในเครือข่ายทางหลวงภายใต้การวิเคราะห์ ตารางที่ 2 แสดงการประเมินค่าสำหรับพารามิเตอร์แบบจำลองที่ได้จากกระบวนการปรับเทียบ ทั้งหมดพบพารามิเตอร์จะใช้ค่าจริง โหลดได้รอบ ที่ประมาณ 100 ล้าน จะเปรียบเทียบกับการวงจรโหลดเกี่ยวข้องที่ใช้ในการออกแบบทางหลวง รายการประเมินเพิ่มเจียมเนื้อเจียมตัวในเสื่อมสภาพอายุ (Beta¼1.42) และเร็วเสื่อมสภาพราคากับคุณภาพที่ลดลง (Delta¼2), ผู้นำการโดดวนเสริม ให้ส่วนถนนไปเข้าพื้นที่คุณภาพต่ำนำไปสู่ต้นทุน significant เพิ่มเติมของเสื่อมสภาพ
การแปล กรุณารอสักครู่..
3.2. Model calibration
In this section, a model-based calibration method [33] is used
for estimating appropriate values for unknown parameters of the
SD model. The units under analysis in this model are defined as
road sections. By modeling multiple road sections, analysis of
condition of highway network is also possible. Table 1 shows the
road condition data over the years 2002 to 2008 for the fourteen
road sections in 17 miles of the highway network under analysis
after some data cleaning. These data points are used for the
calibration process. The cells that are bold, underlined, and italic
show the years in which preventive, corrective, and restorative
maintenance operations have been performed on the road sections
under analysis, respectively. Preventive maintenance (PM) preserves
the existing pavement integrity and reduces the rate of
deterioration. Corrective maintenance (CM) maintains the characteristics
and structural integrity of an existing pavement for
continued serviceability. Restorative maintenance (RM) refers to
new surface layers that restore the pavement structure to a level
similar to the original condition of the pavement [34,35]. The
maintenance operations in the calibration runs happen exogenously
according to the data provided in Table 1. As the empirical
data shows, after performing maintenance operations on road
sections under analysis, the condition of the road sections have
gone back to perfect condition in the next year. To mimic the real
world scenarios, when a maintenance operation is performed
(according to the schedule observed in Table 1) in the calibration,
the level of “Road Quality” is also restored to its maximum
possible values which, consequently, lead to maximum possible
CCI (i.e., CCI¼100). Note that in real world, we may also observe
scenarios in which the road condition is not restored to perfect
condition after performing a maintenance operation (for example
if we do not perform the right maintenance operation given the
level of deterioration of the road).
The objective of the calibration process is to estimate the values
of the unknown parameters that capture the deterioration rate of
road sections (i.e., the rate of depletion of the Road Quality stock)
in the SD model so that the CCI of the simulated road sections
follow the CCI data provided in Table 1. Thus, an error term is
defined for each road section as the difference between the road
section’s CCI obtained from the model and the corresponding CCI
available from the Table 1. The payoff function of the calibration
process (that needs to be minimized) is then defined as the
weighted sum of fourteen squared error terms corresponding to
the fourteen road sections. Error terms are weighted proportional
to the inverse of the standard deviation of the error terms, which
leads to maximum likelihood estimates for the estimated parameters
assuming normally distributed errors [36]. All simulations
and calibration were conducted in Vensim[37] software using
Euler integration method with time step 0.0625 year (results
showed no sensitivity to smaller time steps). Modified Powell
conjugate search [38] was used for calibration. Calibration was
restarted multiple times from different points of parameter space
to increase confidence in finding the global peak in the numerical
optimization.
As an example, Fig. 5 shows the comparison of CCI data
obtained from the Table 1 and from the SD model for the road
section “1” and “12”.
The unknown parameters of the model have been estimated so
that the model mimics the deterioration process that happened in
the highway network under analysis. Table 2 shows the estimated
values for model parameters obtained from calibration process. All
parameters are found to take realistic values. The allowable load
cycles, approximately at 100 million, is comparable with the
relevant load cycles used in highway design. The estimates show
a modest increase in deterioration with age (Beta¼1.42) and a
faster deterioration rate with reduced quality (Delta¼2), leading
to a notable reinforcing loop, where allowing the road section to
go into a low-quality region leads to more significant costs of
deterioration.
In this section, a model-based calibration method [33] is used
for estimating appropriate values for unknown parameters of the
SD model. The units under analysis in this model are defined as
road sections. By modeling multiple road sections, analysis of
condition of highway network is also possible. Table 1 shows the
road condition data over the years 2002 to 2008 for the fourteen
road sections in 17 miles of the highway network under analysis
after some data cleaning. These data points are used for the
calibration process. The cells that are bold, underlined, and italic
show the years in which preventive, corrective, and restorative
maintenance operations have been performed on the road sections
under analysis, respectively. Preventive maintenance (PM) preserves
the existing pavement integrity and reduces the rate of
deterioration. Corrective maintenance (CM) maintains the characteristics
and structural integrity of an existing pavement for
continued serviceability. Restorative maintenance (RM) refers to
new surface layers that restore the pavement structure to a level
similar to the original condition of the pavement [34,35]. The
maintenance operations in the calibration runs happen exogenously
according to the data provided in Table 1. As the empirical
data shows, after performing maintenance operations on road
sections under analysis, the condition of the road sections have
gone back to perfect condition in the next year. To mimic the real
world scenarios, when a maintenance operation is performed
(according to the schedule observed in Table 1) in the calibration,
the level of “Road Quality” is also restored to its maximum
possible values which, consequently, lead to maximum possible
CCI (i.e., CCI¼100). Note that in real world, we may also observe
scenarios in which the road condition is not restored to perfect
condition after performing a maintenance operation (for example
if we do not perform the right maintenance operation given the
level of deterioration of the road).
The objective of the calibration process is to estimate the values
of the unknown parameters that capture the deterioration rate of
road sections (i.e., the rate of depletion of the Road Quality stock)
in the SD model so that the CCI of the simulated road sections
follow the CCI data provided in Table 1. Thus, an error term is
defined for each road section as the difference between the road
section’s CCI obtained from the model and the corresponding CCI
available from the Table 1. The payoff function of the calibration
process (that needs to be minimized) is then defined as the
weighted sum of fourteen squared error terms corresponding to
the fourteen road sections. Error terms are weighted proportional
to the inverse of the standard deviation of the error terms, which
leads to maximum likelihood estimates for the estimated parameters
assuming normally distributed errors [36]. All simulations
and calibration were conducted in Vensim[37] software using
Euler integration method with time step 0.0625 year (results
showed no sensitivity to smaller time steps). Modified Powell
conjugate search [38] was used for calibration. Calibration was
restarted multiple times from different points of parameter space
to increase confidence in finding the global peak in the numerical
optimization.
As an example, Fig. 5 shows the comparison of CCI data
obtained from the Table 1 and from the SD model for the road
section “1” and “12”.
The unknown parameters of the model have been estimated so
that the model mimics the deterioration process that happened in
the highway network under analysis. Table 2 shows the estimated
values for model parameters obtained from calibration process. All
parameters are found to take realistic values. The allowable load
cycles, approximately at 100 million, is comparable with the
relevant load cycles used in highway design. The estimates show
a modest increase in deterioration with age (Beta¼1.42) and a
faster deterioration rate with reduced quality (Delta¼2), leading
to a notable reinforcing loop, where allowing the road section to
go into a low-quality region leads to more significant costs of
deterioration.
การแปล กรุณารอสักครู่..
3.2 . รูปแบบการสอบเทียบ
ในส่วนนี้ สำหรับวิธีการสอบเทียบ [ 33 ] ใช้สำหรับการประมาณค่าพารามิเตอร์ที่เหมาะสมสำหรับ
ไม่รู้จักของ SD รุ่น หน่วยงานภายใต้การวิเคราะห์ในรูปแบบนี้เป็น เดอ จึงเป็นส่วนเน็ด
ถนน โดยแบบจำลองส่วนถนนหลาย การวิเคราะห์
สภาพของโครงข่ายทางหลวงก็เป็นไปได้ครับ ตารางที่ 1 แสดง
สภาพถนนข้อมูลปี 2545 ถึง 2551 14
ถนนส่วนใน 17 ไมล์ ของเครือข่ายทางหลวงภายใต้การวิเคราะห์
หลังจากที่ข้อมูลการทำความสะอาด ข้อมูลเหล่านี้จุดจะใช้สำหรับ
กระบวนการสอบเทียบ เซลล์ที่เป็นตัวหนา ตัวเอียง ขีดเส้นใต้ และแสดงปีซึ่ง
ในการป้องกัน แก้ไข และงานซ่อมบำรุงได้ทำการบูรณะ
บนถนนส่วนภายใต้การวิเคราะห์ ตามลำดับ การบำรุงรักษาเชิงป้องกัน ( PM ) รักษาความสมบูรณ์และสภาพผิว
ลดอัตราการเสื่อมสภาพ การบำรุงรักษาเชิงแก้ไข ( ซม. ) รักษาความสมบูรณ์ของโครงสร้างและลักษณะของผิว
ถ้าได้ดำเนินงานอย่างต่อเนื่อง . บำรุงรักษาบูรณะ ( RM ) หมายถึง
ใหม่พื้นผิวชั้นที่เรียกคืนโครงสร้างทางสู่ระดับ
คล้ายกับภาพต้นฉบับของทางเท้า [ 34,35 ]
การบำรุงรักษาการดำเนินการในการสอบเทียบจะเกิดขึ้น exogenously
ตามข้อมูลที่ให้ไว้ในตารางที่ 1 เป็นข้อมูลเชิงประจักษ์
แสดงหลังจากการปฏิบัติงานซ่อมบำรุงในส่วนถนน
ภายใต้การวิเคราะห์ สภาพของถนน ส่วนมี
กลับไปภาพที่สมบูรณ์แบบในปีหน้า การเลียนแบบสถานการณ์จริง
,เมื่อการผ่าตัดรักษา
( ตามตาราง 2 ตารางที่ 1 ) ในการสอบเทียบ
ระดับ " คุณภาพ " ถนนยังเรียกคืนสูงสุดของ
ที่สุดค่า ซึ่งส่งผลทำให้เป็นไปได้สูงสุด
CCI ( เช่น CCI ¼ 100 ) ทราบว่าในชีวิตจริง เราอาจสังเกต
สถานการณ์ที่สภาพถนนคืนมาไม่ได้สมบูรณ์แบบ
สภาพหลังการรักษาผ่าตัด ( ตัวอย่างเช่น
ถ้าเราไม่ทำการผ่าตัดรักษาที่เหมาะสมให้
ระดับความเสื่อมของถนน )
วัตถุประสงค์ของกระบวนการสอบเทียบคือการประมาณค่าของพารามิเตอร์ที่ไม่รู้จัก
จับการเสื่อมสภาพอัตราส่วน ถนน ( เช่น อัตรา การพร่องของหุ้น )
คุณภาพถนนในรูปแบบ SD ที่ CCI ของจำลอง ส่วนถนน
ติดตาม CCI ข้อมูลในตารางที่ 1 ดังนั้นข้อผิดพลาดระยะ
de จึงเน็ดแต่ละถนนส่วนที่แตกต่างระหว่างถนน
ส่วนของ CCI ที่ได้จากแบบจำลองและที่ CCI
ใช้ได้จากตาราง 1 ผลตอบแทนการทำงานของกระบวนการสอบเทียบ
( ที่ต้องย่อเล็กสุด ) จากนั้นจึงเป็น
เนดเดอผลรวมถ่วงน้ำหนักของสิบสี่สองเงื่อนไขที่สอดคล้องกันข้อผิดพลาด
14 ถนนส่วน เงื่อนไขข้อผิดพลาดถ่วงน้ำหนักตามสัดส่วน
การผกผันของค่าส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนด้านซึ่ง
นำไปสู่ความเป็นไปได้สูงสุดประมาณประมาณพารามิเตอร์
สมมติว่าปกติกระจายข้อผิดพลาด [ 36 ] ทั้งหมดและมีวัตถุประสงค์ในการสอบเทียบแบบจำลอง
[ 37 ] ซอฟต์แวร์โดยใช้โปรแกรมคอมพิวเตอร์รวมวิธีออยเลอร์กับปีขั้นตอนผล ( ผล
ไม่พบไวขนาดเล็กขั้นตอนครั้ง ) โมไดจึงเอ็ดพาวเวลล์
) [ 38 ] ที่ใช้สำหรับการสอบเทียบ การสอบเทียบ คือ
เริ่มต้นใหม่หลายครั้ง จากจุดที่แตกต่างกันของพื้นที่พารามิเตอร์เพิ่ม
dence ใน con จึงจึงหาจุดสูงสุดของโลกในการหาตัวเลข
.
ตัวอย่าง รูปที่ 5 แสดงการเปรียบเทียบของ CCI ข้อมูล
ที่ได้จากตารางที่ 1 และจากรูปแบบ SD สำหรับถนน
ส่วน " 1 " และ " 12 " .
พารามิเตอร์ที่ไม่รู้จักของแบบจำลองได้ถูกประเมินแล้ว
ว่ารูปแบบเลียนแบบการชะกระบวนการที่เกิดขึ้นใน
เครือข่ายทางหลวง ภายใต้การวิเคราะห์ ตารางที่ 2 แสดงค่าประมาณพารามิเตอร์สำหรับแบบจำลองที่ได้จาก
กระบวนการสอบเทียบ พารามิเตอร์ทั้งหมด
พบใช้ค่าจริงวงจรโหลด
อนุญาต ประมาณ 100 ล้านบาท เทียบกับที่ใช้ในการออกแบบวงจร
โหลดทางหลวง ประมาณการแสดง
เจียมเนื้อเจียมตัวในการเสื่อมสภาพตามอายุที่เพิ่มขึ้น ( เบต้า¼ 1.42 ) และอัตราการลดลงเร็ว
เสื่อมคุณภาพ ( Delta ¼ 2 ) ผู้นํา
ให้เด่นเสริมห่วงที่อนุญาตให้
ส่วนถนนเข้าไปในเขตที่มีคุณภาพต่ำจึงไม่สามารถนำไปสู่ signi เพิ่มเติมค่า
การเสื่อมสภาพ
ในส่วนนี้ สำหรับวิธีการสอบเทียบ [ 33 ] ใช้สำหรับการประมาณค่าพารามิเตอร์ที่เหมาะสมสำหรับ
ไม่รู้จักของ SD รุ่น หน่วยงานภายใต้การวิเคราะห์ในรูปแบบนี้เป็น เดอ จึงเป็นส่วนเน็ด
ถนน โดยแบบจำลองส่วนถนนหลาย การวิเคราะห์
สภาพของโครงข่ายทางหลวงก็เป็นไปได้ครับ ตารางที่ 1 แสดง
สภาพถนนข้อมูลปี 2545 ถึง 2551 14
ถนนส่วนใน 17 ไมล์ ของเครือข่ายทางหลวงภายใต้การวิเคราะห์
หลังจากที่ข้อมูลการทำความสะอาด ข้อมูลเหล่านี้จุดจะใช้สำหรับ
กระบวนการสอบเทียบ เซลล์ที่เป็นตัวหนา ตัวเอียง ขีดเส้นใต้ และแสดงปีซึ่ง
ในการป้องกัน แก้ไข และงานซ่อมบำรุงได้ทำการบูรณะ
บนถนนส่วนภายใต้การวิเคราะห์ ตามลำดับ การบำรุงรักษาเชิงป้องกัน ( PM ) รักษาความสมบูรณ์และสภาพผิว
ลดอัตราการเสื่อมสภาพ การบำรุงรักษาเชิงแก้ไข ( ซม. ) รักษาความสมบูรณ์ของโครงสร้างและลักษณะของผิว
ถ้าได้ดำเนินงานอย่างต่อเนื่อง . บำรุงรักษาบูรณะ ( RM ) หมายถึง
ใหม่พื้นผิวชั้นที่เรียกคืนโครงสร้างทางสู่ระดับ
คล้ายกับภาพต้นฉบับของทางเท้า [ 34,35 ]
การบำรุงรักษาการดำเนินการในการสอบเทียบจะเกิดขึ้น exogenously
ตามข้อมูลที่ให้ไว้ในตารางที่ 1 เป็นข้อมูลเชิงประจักษ์
แสดงหลังจากการปฏิบัติงานซ่อมบำรุงในส่วนถนน
ภายใต้การวิเคราะห์ สภาพของถนน ส่วนมี
กลับไปภาพที่สมบูรณ์แบบในปีหน้า การเลียนแบบสถานการณ์จริง
,เมื่อการผ่าตัดรักษา
( ตามตาราง 2 ตารางที่ 1 ) ในการสอบเทียบ
ระดับ " คุณภาพ " ถนนยังเรียกคืนสูงสุดของ
ที่สุดค่า ซึ่งส่งผลทำให้เป็นไปได้สูงสุด
CCI ( เช่น CCI ¼ 100 ) ทราบว่าในชีวิตจริง เราอาจสังเกต
สถานการณ์ที่สภาพถนนคืนมาไม่ได้สมบูรณ์แบบ
สภาพหลังการรักษาผ่าตัด ( ตัวอย่างเช่น
ถ้าเราไม่ทำการผ่าตัดรักษาที่เหมาะสมให้
ระดับความเสื่อมของถนน )
วัตถุประสงค์ของกระบวนการสอบเทียบคือการประมาณค่าของพารามิเตอร์ที่ไม่รู้จัก
จับการเสื่อมสภาพอัตราส่วน ถนน ( เช่น อัตรา การพร่องของหุ้น )
คุณภาพถนนในรูปแบบ SD ที่ CCI ของจำลอง ส่วนถนน
ติดตาม CCI ข้อมูลในตารางที่ 1 ดังนั้นข้อผิดพลาดระยะ
de จึงเน็ดแต่ละถนนส่วนที่แตกต่างระหว่างถนน
ส่วนของ CCI ที่ได้จากแบบจำลองและที่ CCI
ใช้ได้จากตาราง 1 ผลตอบแทนการทำงานของกระบวนการสอบเทียบ
( ที่ต้องย่อเล็กสุด ) จากนั้นจึงเป็น
เนดเดอผลรวมถ่วงน้ำหนักของสิบสี่สองเงื่อนไขที่สอดคล้องกันข้อผิดพลาด
14 ถนนส่วน เงื่อนไขข้อผิดพลาดถ่วงน้ำหนักตามสัดส่วน
การผกผันของค่าส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนด้านซึ่ง
นำไปสู่ความเป็นไปได้สูงสุดประมาณประมาณพารามิเตอร์
สมมติว่าปกติกระจายข้อผิดพลาด [ 36 ] ทั้งหมดและมีวัตถุประสงค์ในการสอบเทียบแบบจำลอง
[ 37 ] ซอฟต์แวร์โดยใช้โปรแกรมคอมพิวเตอร์รวมวิธีออยเลอร์กับปีขั้นตอนผล ( ผล
ไม่พบไวขนาดเล็กขั้นตอนครั้ง ) โมไดจึงเอ็ดพาวเวลล์
) [ 38 ] ที่ใช้สำหรับการสอบเทียบ การสอบเทียบ คือ
เริ่มต้นใหม่หลายครั้ง จากจุดที่แตกต่างกันของพื้นที่พารามิเตอร์เพิ่ม
dence ใน con จึงจึงหาจุดสูงสุดของโลกในการหาตัวเลข
.
ตัวอย่าง รูปที่ 5 แสดงการเปรียบเทียบของ CCI ข้อมูล
ที่ได้จากตารางที่ 1 และจากรูปแบบ SD สำหรับถนน
ส่วน " 1 " และ " 12 " .
พารามิเตอร์ที่ไม่รู้จักของแบบจำลองได้ถูกประเมินแล้ว
ว่ารูปแบบเลียนแบบการชะกระบวนการที่เกิดขึ้นใน
เครือข่ายทางหลวง ภายใต้การวิเคราะห์ ตารางที่ 2 แสดงค่าประมาณพารามิเตอร์สำหรับแบบจำลองที่ได้จาก
กระบวนการสอบเทียบ พารามิเตอร์ทั้งหมด
พบใช้ค่าจริงวงจรโหลด
อนุญาต ประมาณ 100 ล้านบาท เทียบกับที่ใช้ในการออกแบบวงจร
โหลดทางหลวง ประมาณการแสดง
เจียมเนื้อเจียมตัวในการเสื่อมสภาพตามอายุที่เพิ่มขึ้น ( เบต้า¼ 1.42 ) และอัตราการลดลงเร็ว
เสื่อมคุณภาพ ( Delta ¼ 2 ) ผู้นํา
ให้เด่นเสริมห่วงที่อนุญาตให้
ส่วนถนนเข้าไปในเขตที่มีคุณภาพต่ำจึงไม่สามารถนำไปสู่ signi เพิ่มเติมค่า
การเสื่อมสภาพ
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- keep going เป็นแอปพลิเคชั่นที่ใช้งานกับส
- . Although in China and India major groc
- เทศกาลสงกรานต์ ตรงกับวันที่ 13 เมษายน เร
- ฉันขอนอนพักก่อน พรุ่งนี้ฉันต้องทำงาน
- ผลลัพธ์ (ภาษาอังกฤษ) 2:I just wanted to
- The currency
- คุณเล่นกีฬาอะไร?
- The environmental impact of the raw effl
- จัดงาน ทุกกี่ปี
- ภูเก็ต
- มารยาทในห้องเรียนที่แย่ที่คุณไม่ควรทำคือ
- นักเรียนมีความสนใจและกระตือรือร้นในการร่
- The objective of this study was to deter
- The efficiency Ep of using p processors
- อาหารทะเล
- เมล็ดถั่ว
- has contracted to deliver horne windows
- สวัสดี ผมชื่อ Vin เรื่องความเร็วผมไม่กลั
- หวังว่าคงได้ไป
- ตอนไหนครับ
- กังวล
- oui j'aime discuter avec toi
- The fee for 3G MaoMao399B unlimit4608MB
- คงใช่อาจใช่
