دانلود مقاله ISI انگلیسی شماره 138614
ترجمه فارسی عنوان مقاله

روش شبکه های عصبی مصنوعی برای پیش بینی عمق بتونه بتن آسفالت با استفاده از پارامترهای ویسکوزیته الاستیک

عنوان انگلیسی
Artificial neural networks approach to predicting rut depth of asphalt concrete by using of visco-elastic parameters
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
138614 2018 10 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6153 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 12 روز بعد از پرداخت 73,836 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 6 روز بعد از پرداخت 147,672 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Construction and Building Materials, Volume 158, 15 January 2018, Pages 873-882

ترجمه کلمات کلیدی
بتن آسفالت، پارامترهای ویسکوزیته الاستیک شبکه های عصبی مصنوعی، عمق چرخش، خزش پویا،
کلمات کلیدی انگلیسی
Asphalt concrete; Visco-elastic parameters; Artificial neural network; Rutting depth; Dynamic creep;
پیش نمایش مقاله
پیش نمایش مقاله روش شبکه های عصبی مصنوعی برای پیش بینی عمق بتونه بتن آسفالت با استفاده از پارامترهای ویسکوزیته الاستیک

چکیده انگلیسی

Performing comprehensive research on the functional behavior of asphalt pavements under the influence of various environmental and structural parameters can better assist the engineers in the design and maintenance of asphalt pavements. Using a solution that can reduce the cost and time of assessment is very important. Using artificial neural networks in many facilitates operations on data engineering sciences. It is necessary to ensure that a comprehensive study is performed through considering all or most of the parameters affecting the behavior. The aim of this study is to provide an experimental model to estimate the rut depth of asphalt concrete by using viscoelastic parameters and artificial neural networks. Accordingly the asphalt concrete specimens containing 3, 5 and 7 percent void with two types of limestone and siliceous aggregates and PG64-22 and PG58-28 bitumens were made and exposed to dynamic creep tests under 50–60 °C and the stress range of 100–300 kPa. Then the viscoelastic parameters of asphalt specimens were extracted from the creep diagrams and eventually the asphalt concrete’s rut depth prediction model was trained and provided by artificial neural network. Comparing the output results with the experimental test results show that by using this model it is possible to estimate the creep behavior and rut depth of asphalt concrete pavements based on the effective parameters without the need for costly and time-consuming tests.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6153 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 12 روز بعد از پرداخت 73,836 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 6 روز بعد از پرداخت 147,672 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.