دانشگاه سمنان مهندسی زیر ساخت های حمل و نقل 2423-5350 4 3 2018 11 22 Investigation of Different Percentages of Recycled Asphalt Pavement in Moisture Susceptibility Performance of Warm Stone Matrix Asphalt Mixture by Adaptive Neuro Fuzzy Inference System (ANFIS) بررسی درصدهای مختلف تراشه آسفالت در عملکرد حساسیت رطوبتی مخلوط آسفالتی با استخوان‌بندی سنگدانه‌ای SMA گرم با استفاده از سیستم استنتاج عصبی-فازی سازگار (ANFIS) 15 32 3304 10.22075/jtie.2018.15113.1324 FA نریمان برازی جمور مربی، بخش فنی و مهندسی، دانشگاه پیام نور، تهران محمود رضا کی منش استادیار، بخش فنی و مهندسی، دانشگاه پیام نور، تهران منصور فخری دانشیار، دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران Journal Article 2018 07 19 In recent years, regarding the insufficiency of new material and significance of environmental conservation, using recycled material such as Recycled asphalt pavement (RAP) has increased due to the decreased production of environmental pollutants resulting from the preparation of asphalt mixtures. Also, to decrease the energy consumption rate, new technologies have been developed to produce and perform warm asphalt mixtures. These asphalt mixtures have lower temperatures than conventional asphalt mixtures. In this research, RAP has been used in building stone matrix asphalt (SMA) mixture to carry out the moisture susceptibility test by adding warm asphalt additives such as zycotherm, sasobit and Topcel fibers to prevent bitumen draindown of this type of asphalt mixture. The purpose of this paper is to develop a model based on adaptive neuro-fuzzy inference system (ANFIS) for prediction of moisture susceptibility of stone matrix asphalt mixtures (SMA) containing various percentages of RAP and warm mix additives. Various percentages of RAP containing warm mix additive are the parameters for input layer and the ratio of saturated specimen’s strength to that of dry specimen’s strength is the model output. Results indicated high accuracy of the model with a coefficient of determination (R²) of 1 and 0.982 for training and testing data sets and 0.774 for evaluation data-set, respectively. Also, the warm mixtures containing 50% RAP have shown more suitable behavior. <strong>در سال‏های اخیر، با توجه به کمبود مصالح تازه و اهمیت حفاظت از محیط­زیست، میزان استفاده از مصالح بازیافتی، از جمله تراشه آسفالت، در راستای کاهش تولید آلاینده‌های ناشی از تهیه مخلوط‌های آسفالتی افزایش یافته است. همچنین، جهت کاهش میزان انرژی مصرفی، فناوری‌های نوینی در زمینه تولید و اجرای مخلوط‌های آسفالتی گرم در حال گسترش هستند تا مخلوط‌های آسفالتی با دمایی به­مراتب کمتر از مخلوط‌های متداول تولید گردند. در این پژوهش، از تراشه آسفالت بازیافتی در ساخت مخلوط آسفالتی با استخوان</strong><strong>‎بندی سنگدانه</strong><strong>‎</strong><strong>ای (</strong><strong>SMA</strong><strong>) جهت انجام آزمایش حساسیت رطوبتی همراه با افزودنی</strong><strong>‎</strong><strong>های گرم زایکوترم و ساسوبیت و</strong><strong> همچنین از الیاف </strong><strong>TOPCEL</strong><strong> در جهت </strong><strong>جلوگیری از ریزش قیر این نوع مخلوط آسفالتی، استفاده شده </strong><strong>است. </strong><strong>هدف از انجام این پژوهش،</strong><strong>ارائه ﻳﻚ ﻣﺪل ﺑﺮ ﭘﺎﻳﻪ ﺳﻴﺴﺘﻢ اﺳﺘﻨﺘﺎج ﻋﺼﺒﻲ- ﻓﺎزی سازگار (</strong><strong>ANFIS</strong><strong>)</strong><strong>،</strong><strong> ﺑرای ﭘﻴﺶ</strong><strong>‎</strong><strong>ﺑﻴﻨﻲ حساسیت رطوبتی مخلوط آسفالتی با دانه‎بندی سنگدانه</strong><strong>‎</strong><strong>ای </strong><strong>(</strong><strong>SMA</strong><strong>)</strong><strong> حاوی درصدهای مختلف تراشه آسفالت با داشتن اﻓﺰودﻧﻲﻫﺎی ﻣﺨﺘﻠﻒ گرم می</strong><strong>‎باشد.</strong><strong>ﭘﺎراﻣﺘﺮهای ورودی ﺑﻪ ﻣﺪل </strong><strong>ANFIS</strong><strong> ﺷﺎﻣﻞ درصدهای مختلف تراشه آسفالت حاوی افزودنی گرم و ﻧﺴﺒﺖ مقاومت کششی نمونه در حالت اشباع به مقاومت کششی نمونه در حالت ﺧﺸﻚ به عنوان خروجی مدل می‎باشد. ﻧﺘﺎﻳﺞ به­دست آمده ﻧﺸﺎن</strong><strong>‎</strong><strong>دﻫﻨﺪه دﻗﺖ ﺑﺎﻻی ﻣﺪل ﺑﺎ ﺿﺮاﻳﺐ تعیین 1 و 982/0 ﺑﻪ­ﺗﺮﺗﻴﺐ ﺑﺮای ﻣﺠﻤﻮﻋﻪ داده‎ﻫﺎی آﻣﻮزش و آزمایشی و 774/0 ﺑﺮای دادهﻫﺎی ارزیابی می</strong><strong>‎باشد</strong><strong>. </strong><strong>همچنین،</strong><strong> مخلوط</strong><strong>‎</strong><strong>های نیمه­گرم حاوی 50% تراشه آسفالت رفتار مناسب</strong><strong>‎</strong><strong>تری از خود نشان دادند.</strong> https://jtie.semnan.ac.ir/article_3304_0af0b7563037e40fbdd4abf53fbc5d0a.pdf