Resumen

La rugosidad del pavimento como un determinante crítico de la satisfacción pública puede desempeñar un papel importante en la asignación de recursos viales o de carreteras a proyectos competidores de repavimentación. Con esto en mente, el objetivo del presente documento es desarrollar un modelo preciso para la predicción de la rugosidad del pavimento en términos del Índice Internacional de Rugosidad (IRI) utilizando redes neuronales artificiales (RNAs) y máquinas de soporte vectorial (SVMs). El modelado se basa en datos de rugosidad del pavimento recopilados periódicamente para una autopista de alto tráfico durante un período de siete años, anualmente. El estudio comparativo de los modelos desarrollados concluye que el rendimiento del modelo de RNA es ligeramente mejor en comparación con el de SVM en cuanto a precisión de predicción. Además, los resultados del análisis producen evidencia en apoyo de la afirmación de que ambos modelos son capaces de predecir con precisión la rugosidad del pavimento; por lo tanto, se consideran ú

• Materias:Etringita Microestructura Ingeniería portuaria Método estocástico Conductividad hidráulica
• Subjects:Ettringite Microstructure Port engineering Stochastic method Hydraulic conductivity
• Palabras claves:Rugosidad del pavimento; Satisfacción pública; Asignación de carreteras; Proyectos de reasfaltado; Índice de Rugosidad Internacional; Redes neuronales artificiales
• Keywords:Pavement roughness; Public satisfaction; Road allocation; Resurfacing projects; International Roughness Index; Artificial neural networks