محاسبه معکوس مدول الاستیسیته لایه‌های روسازی با استفاده از الگوریتم بهینه سازی فرا ابتکاری GWO

نوع مقاله : مقاله پژوهشی

نویسندگان

استادیار، گروه مهندسی عمران، دانشگاه خلیج فارس، بوشهر، ایران

چکیده

در مهندسی روسازی، تعیین خصوصیات سازه‌ای روسازی، ازجمله ضرایب ارتجاعی و ضخامت لایه‌ها، حائز اهمیت است. این خصوصیات عملکرد روسازی را تعیین می‌کند و تأثیر مستقیم در عمر روسازی دارند. استفاده از نرم‌افزارهای تجاری به‌منظور شبیه‌سازی محاسبات عددی برای محاسبه تغییرات سطح روسازی به دلیل پیچیدگی تلفیق آن با تکنیک بهینه‌سازی، هزینه محاسبات را افزایش می‌دهد. در این روش‌ها، نیاز به پایگاه داده مصنوعی از پیش تولید شده با استفاده از نرم‌افزار و همچنین استفاده از شبکه عصبی و الگوریتم بهینه‌سازی وجود دارد. بنابراین، برای تولید جمعیت اولیه، بایستی با دسته مدول‌های تخمینی متفاوت، نرم‌افزار را اجرا کرد تا جمعیت لازم برای تحلیل معکوس فراهم شود که نیاز به هزینه محاسبات را افزایش میدهد. هدف اصلی این تحقیق، تلفیق روش عددی دیفرانسیل کوادرچر به عنوان یک روش عددی دقیق و کارامد و با سرعت بالا با الگوریتم‌ بهینه‌سازی فراابتکاری گرگ خاکستری (GWO)، به منظور محاسبات معکوس مقادیر مجهول مدول الاستیسیته لایه های روسازی بدون استفاده از شبکه عصبی مصنوعی و کاهش زمان محاسباتی می باشد. نتایج تحلیل با پنج اجرای مستقل نشان داد که این روش قادر است با تعداد جمعیت و تکرارهای کم، به پاسخ مطلوب دست یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Inverse calculation of the modulus of elasticity of pavement layers using the GWO metaheuristic optimization algorithm

نویسندگان [English]

  • Mahmoud Malakouti Oloun Abadi
  • Milad Jahangiri
Assistant Professor, Department of Civil Engineering, Persian Gulf University, Bushehr, Iran
چکیده [English]

In pavement engineering, determining the structural properties of the pavement, including the elastic coefficients and layer thicknesses, is highly significant. These properties determine the performance of the pavement and have a direct impact on the life of the pavement. Using commercial software for numerical simulation engines to calculate pavement surface changes increases the cost of calculations due to the complexity of integrating it into the optimization engine. In these methods, there is a need for a pre-generated artificial database using the software, as well as the use of a neural network and an optimization algorithm. Therefore, to generate the analysis population, the software must be run with a set of different estimation modules to provide the necessary population for inverse analysis, which increases the need for computational costs. The main goal of the current research is to combine the quadrature differential numerical method as an accurate, efficient, and high-speed numerical method with the Gray Wolf Optimization (GWO) metaheuristic optimization algorithm in order to inversely calculate the redundant values of the elastic modulus of pavement layers without using an artificial neural network and reducing the computational time. The results of the analysis with five independent runs showed that this method is able to achieve the desired response with a small number of populations and iterations.

کلیدواژه‌ها [English]

  • Pavement
  • Differential Quadrature
  • GWO optimization algorithm
  • Inverse calculations
  • Modulus of elasticity

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 19 اسفند 1403
  • تاریخ دریافت: 22 بهمن 1403
  • تاریخ بازنگری: 12 اسفند 1403
  • تاریخ پذیرش: 19 اسفند 1403