A database for various pavement mix

A database for various pavement mixtures which were tested at the IGMAT Building Materials Institute,
Ljubljana, during the period from 1998 to 2009 was established. This database consists of 17,296 asphalt mixture
analyses. Artificial neural networks were used in this work to estimate air void content in aggregate mixture of
several stone fractions for 7 types of asphalt concrete mixtures (AC 32, AC 22, AC 16, AC 11, AC 11 PmB, AC 8,
AC 8 PmB) produced according to EN 13108-1. The main aim of the paper is to model the relationship between
different parameters and air void content in aggregate mixture with artificial neural networks and multiple linear
regression. The proposed method uses feed-forward neural networks with error back-propagation algorithm.
Two different programs for modeling with artificial neural networks, NTR2003 and WEKA toolkit, were used. Before
modeling air void content in aggregate mixture outliers among data were determined. Then, the artificial
neural network analysis and multiple linear regression were done for each asphalt mixture and also for all
mixtures together. Modeling of air void content in aggregate mixtures in general showed that linear models
work better than artificial neural network models in the cases of specific asphalt mixture. In the case of analysis
of all asphalt mixtures together, neural networks detected real hidden relationships between data and are
therefore more effective than the linear model. Feed-forward neural networks are entirely appropriate models
for an effective preliminary estimate of air void content in various aggregate mixtures.

ผลลัพธ์ (ไทย) 1:

ฐานข้อมูลสำหรับส่วนผสมของถนนต่าง ๆ ซึ่งได้รับการทดสอบที่ สถาบัน IGMAT อาคารวัสดุลูบลิยานา ในช่วงเวลาจากปี 1998 ถึง 2552 ก่อตั้งขึ้น ฐานข้อมูลนี้ประกอบด้วยส่วนผสมของยางมะตอย 17,296วิเคราะห์ ใช้เครือข่ายประสาทเทียมในการทำงานนี้เพื่อประเมินเนื้อหาเป็นโมฆะอากาศในส่วนผสมรวมของหลายหินเศษส่วนชนิดยางมะตอยน้ำยาผสมคอนกรีต (AC 32, AC 22, AC 16, AC 11, AC 11 PmB, AC 8, 7AC 8 PmB) ผลิตตามมาตรฐาน EN 13108-1 เป้าหมายหลักของกระดาษคือการ รูปแบบความสัมพันธ์ระหว่างพารามิเตอร์ที่แตกต่างและอากาศยกเลิกเนื้อหาส่วนผสมรวมกับเครือข่ายประสาทเทียมและหลายเส้นถดถอย นำเสนอวิธีใช้เครือข่ายประสาทอาหารไปกับอัลกอริทึมการเผยแพร่กลับข้อผิดพลาดสองต่างโปรแกรมสำหรับสร้างแบบจำลองเครือข่ายประสาทเทียม NTR2003 และ WEKA มือ ใช้ ก่อนที่จะโมเดลอากาศเนื้อหาเป็นโมฆะใน outliers ผสมรวมระหว่างข้อมูลถูกกำหนด แล้ว ประดิษฐ์การวิเคราะห์โครงข่ายประสาทและการถดถอยเชิงเส้นหลายทำ สำหรับแต่ละส่วนผสมของยางมะตอย และ สำหรับทั้งหมดผสมเข้าด้วยกัน โมเดลของเนื้อหาเป็นโมฆะในส่วนผสมรวมโดยทั่วไปพบว่าเส้นที่รุ่นทำงานดีกว่าแบบจำลองโครงข่ายประสาทเทียมในกรณีผสมยางมะตอยเฉพาะของ ในกรณีที่วิเคราะห์ยางมะตอยทั้งหมด ผสมเข้าด้วยกัน ประสาทเครือข่ายตรวจพบที่ซ่อนไว้จริงความสัมพันธ์ระหว่างข้อมูล และมีดังนั้นจึงมีประสิทธิภาพมากขึ้นกว่าแบบเชิงเส้น เครือข่ายประสาทอาหารไปเป็นรุ่นที่เหมาะสมทั้งหมดสำหรับการประเมินผลเบื้องต้นของอากาศเป็นโมฆะในส่วนผสมรวมต่าง ๆ

ผลลัพธ์ (ไทย) 2:

ฐานข้อมูลสำหรับการผสมทางเท้าต่างๆที่ได้รับการทดสอบที่ IGMAT อาคารสถาบันวัสดุ
ลูบลิยานาในช่วงระยะเวลา 1998-2009 ได้ก่อตั้งขึ้น ฐานข้อมูลนี้ประกอบด้วยส่วนผสม 17,296 ยางมะตอย
วิเคราะห์ เครือข่ายประสาทเทียมถูกนำมาใช้ในการทำงานนี้เพื่อประเมินเนื้อหาอากาศเป็นโมฆะในการรวมส่วนผสมของ
เศษส่วนหินหลายประการสำหรับ 7 ชนิดของสารผสมแอสฟัลต์คอนกรีต (AC 32, AC 22, AC 16, AC 11, AC 11 PMB, AC 8
AC 8 PMB ) ที่ผลิตตามมาตรฐาน EN 13108-1 จุดมุ่งหมายหลักของกระดาษเป็นรูปแบบความสัมพันธ์ระหว่าง
พารามิเตอร์ที่แตกต่างกันและเนื้อหาอากาศช่องว่างในการผสมรวมกับเครือข่ายประสาทเทียมและหลายเชิงเส้น
ถดถอย วิธีที่เสนอใช้ฟีดที่ไปข้างหน้าเครือข่ายประสาทกับขั้นตอนวิธีการข้อผิดพลาดกลับมาขยายพันธุ์.
สองโปรแกรมที่แตกต่างกันสำหรับการสร้างแบบจำลองที่มีเครือข่ายประสาทเทียม NTR2003 และ WEKA Toolkit ถูกนำมาใช้ ก่อนที่จะ
สร้างแบบจำลองเนื้อหาอากาศช่องว่างในค่าผิดปกติผสมรวมในหมู่ข้อมูลที่ได้รับการพิจารณา จากนั้นเทียม
การวิเคราะห์เครือข่ายประสาทและหลายถดถอยเชิงเส้นได้ทำสำหรับแต่ละส่วนผสมยางมะตอยและสำหรับทั้งหมด
ผสมเข้าด้วยกัน การสร้างแบบจำลองของเนื้อหาอากาศโมฆะผสมรวมกันโดยทั่วไปพบว่าแบบจำลองเชิงเส้น
ทำงานได้ดีขึ้นกว่ารุ่นโครงข่ายประสาทเทียมในกรณีของการผสมยางมะตอยที่เฉพาะเจาะจง ในกรณีของการวิเคราะห์
ทุกผสมยางมะตอยกันเครือข่ายประสาทตรวจพบซ่อนจริงความสัมพันธ์ระหว่างข้อมูลและ
ดังนั้นจึงมีประสิทธิภาพมากขึ้นกว่ารุ่นเชิงเส้น ฟีดไปข้างหน้าเครือข่ายประสาทมีรูปแบบทั้งที่เหมาะสม
สำหรับการประมาณการเบื้องต้นที่มีประสิทธิภาพของเนื้อหาอากาศโมฆะผสมรวมต่างๆ

ผลลัพธ์ (ไทย) 3:

ฐานข้อมูลต่าง ๆซึ่งเป็นทางเดินผสมทดสอบที่ igmat วัสดุอาคารสถาบันลูบลิยานาในช่วงเวลาจากปี 2009 ตั้งขึ้น ฐานข้อมูลนี้ประกอบด้วย 17296 ผสมยางมะตอยวิเคราะห์ข้อมูล โครงข่ายประสาทเทียมที่ใช้ในงานวิจัยนี้เพื่อประเมินช่องว่างอากาศ เนื้อหาในการรวมส่วนผสมเศษส่วนหินหลาย 7 ชนิดแอสฟัลต์คอนกรีต ( AC AC AC 22 , 32 , 16 , AC 11 11 พีเ มบี , AC , AC 8AC 8 พีเ มบี ) ผลิตตาม EN 13108-1 . จุดมุ่งหมายหลักของกระดาษเป็นรูปแบบความสัมพันธ์ระหว่างพารามิเตอร์ที่แตกต่างกันและช่องว่างอากาศ เนื้อหาในการรวมส่วนผสมด้วยโครงข่ายประสาทเทียมและการถดถอยเชิงเส้นการถดถอย วิธีการที่ใช้ feed-forward เครือข่ายประสาทกับขั้นตอนวิธี back-propagation ข้อผิดพลาดสองโปรแกรมแตกต่างกันสำหรับแบบจำลองกับโครงข่ายใยประสาทเทียม และ ntr2003 Weka Toolkit , ใช้ ก่อนที่การรวมเนื้อหาในช่องว่างอากาศผสมผิดปกติของข้อมูลตัวอย่าง งั้น , เทียมการวิเคราะห์ข่ายงานระบบประสาทและการถดถอยเชิงเส้นพหุถูกทำสำหรับแต่ละผสมยางมะตอย และยัง สำหรับ ทั้งหมดผสมเข้าด้วยกัน การจำลองแบบเนื้อหาในช่องว่างอากาศผสมรวมโดยทั่วไปพบว่า แบบจำลองเชิงเส้นทำงานได้ดีกว่าการใช้โครงข่ายประสาทเทียมแบบในกรณีของส่วนผสมแอสฟัลต์ที่เฉพาะเจาะจง ในกรณีของการวิเคราะห์ของส่วนผสมแอสฟัลต์ทั้งหมดเข้าด้วยกัน เครือข่ายประสาท พบความสัมพันธ์ระหว่างข้อมูลที่แท้จริงที่ซ่อนอยู่และจึงมีประสิทธิภาพมากกว่าแบบเชิงเส้น ดึงไปข้างหน้าโครงข่ายประสาทเทียมมีทั้งแบบที่เหมาะสมสำหรับผลเบื้องต้นประเมินช่องว่างอากาศรวมเนื้อหาในส่วนผสมต่าง ๆ