Opublikowane: 2022-03-31

Sieci neuronowe w diagnostyce betonowych nawierzchni lotniskowych

Małgorzata Linek , Piotr Nita

Abstrakt

W dziedzinie utrzymania betonowych nawierzchni lotniskowych występuje wiele złożonych problemów trudnych do identyfikacji tradycyjnymi metodami diagnostycznymi. Do ich zrozumienia i rozwiązania mogą okazać się przydatne sztuczne sieci neuronowe. W pracy przedstawiono istotę sieci, jak również zakreślono obszary możliwych ich zastosowań do analizy zjawisk zachodzących w warstwie jezdnej nawierzchni lotniskowej i jej podbudowie na etapie użytkowania. Przedstawiono koncepcję zastosowania tego narzędzia w prognozowaniu napraw, ustaleniu przyczyn zaistniałych zjawisk oraz prognozy diagnostycznej związanej z dalszym procesem utrzymania i użytkowania. Celem pracy była aplikacja metody SSN do modelowania procesów utrzymaniowych, w tym przewidywania równości nawierzchni. Opracowano model neuronowy przeznaczony do oceny równości nawierzchni na podstawie danych uzyskanych z rzeczywistych odcinków nawierzchni. Przedstawiono metodykę badawczą i uzyskane wyniki terenowe. Zaprojektowano strukturę sieci i zweryfikowano uzyskany model neuronowy. Sformułowano wniosek dotyczący przydatności modelowania neuronowego do prognozowania równości nawierzchni. Zaproponowana metodyka może stanowić uzupełnienie w stosowanej diagnostyce nawierzchni.

Słowa kluczowe:

diagnostyka nawierzchni betonowych, nawierzchnie betonowe, nawierzchnie lotniskowe, równość nawierzchni, sztuczne sieci neuronowe.

Podobne artykuły

<< < 2 3 4 5 6 7 8 9 10 11 > >> 

Możesz również Rozpocznij zaawansowane wyszukiwanie podobieństw dla tego artykułu.

Inne teksty tego samego autora

Pobierz pliki

PDF

Zasady cytowania

Linek, M., & Nita, P. (2022). Sieci neuronowe w diagnostyce betonowych nawierzchni lotniskowych. Roads and Bridges - Drogi I Mosty, 21(1), 81–97. https://doi.org/10.7409/rabdim.022.005

Cited by / Share


Ta strona używa pliki cookie dla prawidłowego działania, aby korzystać w pełni z portalu należy zaakceptować pliki cookie.