Performance prediction of asphalt mixtures: a baseline study of linear and non-linear regression compared with neural network modeling
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F25%3A00386561" target="_blank" >RIV/68407700:21110/25:00386561 - isvavai.cz</a>
Result on the web
<a href="https://asfaltove-vozovky.cz/wp-content/uploads/2025/11/Sbornik-AV-2025.pdf" target="_blank" >https://asfaltove-vozovky.cz/wp-content/uploads/2025/11/Sbornik-AV-2025.pdf</a>
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Predikce mechanických vlastností asfaltových směsí: základní studie lineární a nelineární regrese ve srovnání s modelováním pomocí neuronových sítí
Original language description
Přesné predikce mechanických vlastností asfaltových směsí mají zásadní význam pro zlepšení běžných postupů navrhování směsí a pro optimalizaci vlastností i životnosti vozovek. Výzkum prezentovaný v článku se zaměřuje na tuto problematiku pomocí srovnávací analýzy různých přístupů prediktivního modelování: konvenčních lineárních i nelineárních regresí a umělých neuronových sítí. První z nich jsou široce používány, ale mohou postrádat flexibilitu pro zachycení komplexních vztahů mezi zkušebními podmínkami a vyvolaným mechanickým chováním. Druhé představují slibnou alternativu díky své schopnosti úspěšně modelovat nelineární interakce mezi proměnnými. Tento výzkum porovnává přesnost predikce těchto různých modelovacích přístupů na základě experimentálních dat získaných ze čtyřbodové zkoušky (4PB-PR) provedených při několika teplotách a zatěžovacích frekvencích. Výsledky naznačují, že neuronové sítě překonávají konvenční regresní modely při zaznamenání komplexních vztahů, zdůrazňují silné stránky a omezení jednotlivých přístupů modelování a poskytují poznatky pro výběr optimálních modelů v aplikacích pro navrhování asfaltových vozovek.
Czech name
Predikce mechanických vlastností asfaltových směsí: základní studie lineární a nelineární regrese ve srovnání s modelováním pomocí neuronových sítí
Czech description
Přesné predikce mechanických vlastností asfaltových směsí mají zásadní význam pro zlepšení běžných postupů navrhování směsí a pro optimalizaci vlastností i životnosti vozovek. Výzkum prezentovaný v článku se zaměřuje na tuto problematiku pomocí srovnávací analýzy různých přístupů prediktivního modelování: konvenčních lineárních i nelineárních regresí a umělých neuronových sítí. První z nich jsou široce používány, ale mohou postrádat flexibilitu pro zachycení komplexních vztahů mezi zkušebními podmínkami a vyvolaným mechanickým chováním. Druhé představují slibnou alternativu díky své schopnosti úspěšně modelovat nelineární interakce mezi proměnnými. Tento výzkum porovnává přesnost predikce těchto různých modelovacích přístupů na základě experimentálních dat získaných ze čtyřbodové zkoušky (4PB-PR) provedených při několika teplotách a zatěžovacích frekvencích. Výsledky naznačují, že neuronové sítě překonávají konvenční regresní modely při zaznamenání komplexních vztahů, zdůrazňují silné stránky a omezení jednotlivých přístupů modelování a poskytují poznatky pro výběr optimálních modelů v aplikacích pro navrhování asfaltových vozovek.
Classification
Type
D - Article in proceedings
CEP classification
—
OECD FORD branch
20101 - Civil engineering
Result continuities
Project
<a href="/en/project/GF22-04047K" target="_blank" >GF22-04047K: Advanced approaches for determination and understanding of asphalt mix fatigue behaviour</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2025
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Article name in the collection
Konference Asfaltové vozovky 2025
ISBN
978-80-908948-6-0
ISSN
—
e-ISSN
—
Number of pages
9
Pages from-to
68-76
Publisher name
PRAGOPROJEKT,a.s.
Place of publication
Praha 4
Event location
České Budějovice
Event date
Nov 25, 2025
Type of event by nationality
WRD - Celosvětová akce
UT code for WoS article
—