Predikce únavové životnosti asfaltového betonu pomocí neuronových sítí
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F25%3A00383052" target="_blank" >RIV/68407700:21110/25:00383052 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.64720/SO.2025.07.JV01" target="_blank" >https://doi.org/10.64720/SO.2025.07.JV01</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.64720/SO.2025.07.JV01" target="_blank" >10.64720/SO.2025.07.JV01</a>
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Predikce únavové životnosti asfaltového betonu pomocí neuronových sítí
Popis výsledku v původním jazyce
Životnost asfaltového betonu (AC) je výrazně ovlivněna jeho odolností vůči únavě. Tradiční metody hodnocení únavové životnosti jsou časově náročné a vyžadují značné množství zdrojů, přičemž dosavadní aplikace umělých neuronových sítí (ANN) neuváděly detailní popis svých architektur, ani nevyužívaly rozsáhlé datové soubory. Naše studie využívá ANN k predikci únavové životnosti AC, přičemž se zaměřuje na úroveň přetvoření, obsah pojiva, mezerovitost a pracuje s datovým souborem o 245 zkušebních tělesech. Pro zvýšení predikční schopnosti ANN jsme optimalizovali hyperparametry a jako ztrátovou funkci použili střední kvadratickou logaritmickou chybu. Naše výsledky ukazují zlepšenou přesnost predikce únavové životnosti, přičemž zvláštní význam byl přisuzován obsahu pojiva. Tento přístup posouvá možnosti a transparentnost aplikace ANN při predikci únavové životnosti AC.
Název v anglickém jazyce
Fatigue life prediction of asphalt concrete using neural networks
Popis výsledku anglicky
The service life of asphalt concrete (AC) is strongly influenced by its resistance to fatigue. Traditional methods for fatigue life assessment are time consuming and require a significant amount of resources, and previous applications of artificial neural networks (ANNs) have not provided detailed descriptions of their architectures, nor have they used large datasets. Our study uses ANNs to predict the fatigue life of ACs, focusing on the level of overfitting, binder content, and spacing, and working with a dataset of 245 test fixtures. To enhance the prediction capability of ANN, we optimized the hyperparameters and used the log root mean square error as the loss function. Our results show improved fatigue life prediction accuracy, with special importance given to the binder content. This approach advances the capabilities and transparency of ANN application in AC fatigue life prediction.
Klasifikace
Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
20101 - Civil engineering
Návaznosti výsledku
Projekt
<a href="/cs/project/GF22-04047K" target="_blank" >GF22-04047K: Pokročilé postupy pro stanovení a porozumění únavovému chování asfaltových směsí</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2025
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Silniční obzor
ISSN
0322-7154
e-ISSN
—
Svazek periodika
86
Číslo periodika v rámci svazku
2
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
8
Strana od-do
20-27
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—