Bitümlü Sıcak Karışım Üstyapılarda Görülen Yüzey Bozulmaları ile Düzgünsüzlük Arasındaki İlişkilerin Modellenmesinde Bazı Yaklaşımlar
Özet
Özet: Esnek üstyapılarda görülen yüzey bozulmaları ile düzgünsüzlük arasında
ilişkilerin araştırıldığı çalışmalar incelendiğinde sınırlı sayıda yüzey bozulma türünün
dikkate alındığı görülmektedir. Literatüre katkı sağlamak amacıyla bu çalışmada, 13
adet yüzey bozulma türü ve bozulma şiddetleri ile birlikte toplam 32 adet üstyapı
bozulması ile IRI arasındaki ilişkilerin matematiksel modelleme analizi yapılmıştır.
Modelleme çalışmalarında doğrusal regresyon, değişkenli uyarlamalı regresyon eğrileri
(MARS) ve yapay sinir ağları (YSA) yaklaşımları kullanılmıştır. Oluşturulan modellerin
tahmin yetenekleri ortalama mutlak hata (OMH), kök ortalama karesel hata (KOKH),
ortalama mutlak göreceli hata (OMGH) ve regresyon katsayısı (R2) istatistiksel
karşılaştırma yöntemleri kullanılarak değerlendirilmiştir. Tahmin yeteneği en yüksek
olan modelin YSA yaklaşımı kullanılarak oluşturulan model olduğu tespit edilmiştir.
Ayrıca, YSA yaklaşımında girdi değişkenlerinin çıktı değişkeni üzerindeki etkileri
bağlantı ağırlıklarına göre değerlendirilmiştir. Bu değerlendirmeye göre, üstyapı
bozulmaları oluşma nedenlerine (mekanizmalarına) göre incelendiğinde, IRI üzerinde
% 43.8 yük kaynaklı, % 39 diğer sebepler kaynaklı ve % 17.2 iklim kaynaklı
bozulmaların etkili olduğu sonucuna ulaşılmıştır. Abstract: When studies investigating the relationship between pavement roughness
and surface distresses seen in flexible pavements are examined, a limited number of
surface distress types are considered to be taken into account. In order to contribute to
the literature, in this study, mathematical modeling analysis of relations between IRI
and a total of 32 pavement distresses with 13 types of surface distress types and
severities were carried out. Linear regression, multivariate adaptive regression splines
(MARS) and artificial neural networks (ANN) approaches are used in modeling studies.
Estimating capabilities of the analyzed mathematical models were evaluated using
statistical comparison methods such as mean absolute error (MAE), root mean squared
error (RMSE), mean absolute relative error (MARE) and regression coefficient (R2). The
model constructed using the ANN approach was ascertained to be the model with the
highest prediction accuracy. In addition, in the ANN approach, the effects on the output
variable of the input variables are evaluated according to the connection weights.
According to this evaluation, when pavement distresses are examined according to the
cause of distress, it is concluded that 43.8 % of IRI is caused by load, 39 % is caused by
other causes and 17.2 % is caused by climate.