Постановка задачи. Рассматриваются вопросы использования искусственных нейронных сетей при решении задач обработки результатов инструментальных регистраций чаш прогибов нежесткой дорожной одежды с использованием установок ударного нагружения FWD . Результаты. Проведен анализ и отмечены недостатки существующих методов обработки экспериментальных чаш прогибов, в частности метода обратного расчета модулей упругости слоев дорожных одежд, заключающиеся в длительном времени выполнения расчетов и неустойчивости получаемых результатов. Построена структура искусственной нейронной сети для определения модулей упругости слоев дорожной одежды. Обучение искусственной нейронной сети осуществлялось с использованием метода обратного распространения ошибки. Выводы. Разработанная нейронная сеть продемонстрировала хорошие результаты при обучении по тестовому набору данных, а также высокую точность прогнозирования модулей упругости слоев дорожных одежд.
Statement of the problem. The article is devoted to the use of artificial neural networks in solving the problems of processing the results of instrumental recording of bowls of deflections of non-rigid road surfacing using FWD shock loading settings. Results. The analysis was carried out, the shortcomings of the existing processing methods were identified, in particular the backcalculation method, which involves a long calculation time, and the instability of the results obtained. The structure of the artificial neural network was designed to determine the elastic moduli of the pavement layers. Training of an artificial neural network was carried out using the method of back propagation of error. Conclusions. The developed neural network has shown good results in training on the test data set, as well as high accuracy of prediction of the elastic moduli of the pavement.
On Global–Local Artificial Neural Networks for Function Approximation
