1. Advanced approaches to hot-mix asphalt dynamic modulus prediction.
- Author
-
Ceylan, Halil, Gopalakrishnan, Kasthurirangan, and Sunghwan Kim
- Subjects
- *
ASPHALT emulsion mixtures , *BITUMINOUS materials , *PREDICTION models , *ARTIFICIAL neural networks , *COMPUTER simulation , *PAVEMENT design & construction , *COMPUTER-aided design - Abstract
The dynamic modulus (|E*|) is one of the primary hot-mix asphalt (HMA) material property inputs at all three hierarchical levels in the new Mechanistic-empirical pavement design guide (MEPDG). The existing |E*| prediction models were developed mainly from regression analysis of an |E*| database obtained from laboratory testing over many years and, in general, lack the necessary accuracy for making reliable predictions. This paper describes the development of a simplified HMA |E*| prediction model employing artificial neural network (ANN) methodology. The intelligent |E*| prediction models were developed using the latest comprehensive |E*| database that is available to researchers (from National Cooperative Highway Research Program Report 547) containing 7400 data points from 346 HMA mixtures. The ANN model predictions were compared with the Hirsch |E*| prediction model, which has a logical structure and a relatively simple prediction model in terms of the number of input parameters needed with respect to the existing |E*| models. The ANN-based |E*| predictions showed significantly higher accuracy compared with the Hirsch model predictions. The sensitivity of input variables to the ANN model predictions were also examined and discussed. Le module dynamique (|E*|) est l’une des principales propriétés du mélange d’asphalte à chaud utilisée en entrée aux trois niveaux hiérarchiques dans le nouveau guide de conception mécanisto-empirique des chaussées (« Mechanistic-empirical pavement design guide »). Les modèles actuels de prédiction de |E*| sont principalement développés à l’aide d’analyses de régression de bases de données de |E*| obtenues à partir de tests en laboratoire sur de nombreuses années. Ils manquent en général de la précision nécessaire pour faire des prédictions fiables. Cet article décrit la mise au point d’un modèle de prédiction simplifié du |E*| du mélange d’asphalte à chaud qui emploie la méthodologie des réseaux de neurones artificiels (RNA). Les modèles de prédiction intelligents de |E*| ont été développés en utilisant la base de données complète de |E*| la plus récente (rapport no 547 du National Cooperative Highway Research Program) à la disposition des chercheurs et contenant 7400 exemples provenant de 346 mélanges d’asphalte à chaud. Les prédictions de |E*| à partir du modèle des RNA ont été comparées à celles du modèle de Hirsch, lequel a une structure logique et un modèle de prédiction relativement simple en termes du nombre de paramètres nécessaires en entrée comparativement aux autres modèles de prédiction de |E*| existants. Les prédictions de |E*| fondées sur le modèle des RNA ont montré une précision significativement plus élevée comparativement à celles du modèle de Hirsch. La sensibilité des variables d’entrée aux prédictions du modèle des RNA a aussi été examinée et discutée. [ABSTRACT FROM AUTHOR]
- Published
- 2008
- Full Text
- View/download PDF