Resumen

Este trabajo tiene como objetivo resolver el problema de sobreaprendizaje del algoritmo de red neuronal utilizado para calcular el módulo estructural del pavimento de concreto asfáltico en reversa. El algoritmo de luciérnaga fue adaptado para optimizar la selección de los parámetros de la máquina de vectores de soporte (SVM). Basado en el modelo SVM optimizado, se presentó un nuevo método para la inversión dinámica del módulo de capa estructural de pavimento de concreto asfáltico de base semirrígida. Los resultados muestran que el valor absoluto del error relativo de cada módulo de capa no es superior al 3.73% al utilizar el método propuesto. Luego, se analizaron las influencias de la temperatura y la humedad en el módulo de inversión del pavimento de concreto asfáltico de base semirrígida en la zona estacionalmente congelada, y se estableció la fórmula de corrección del módulo de inversión. El trabajo tiene una significancia práctica para mejorar el rend

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Red neuronal; Pavimento de concreto asfáltico; Módulo estructural; Algoritmo de luciérnaga; Máquina de vectores de soporte; Módulo de inversión
• Keywords:Neural network; Asphalt concrete pavement; Structural modulus; Firefly algorithm; Support vector machine; Inversion modulus