【第4回舗装工学講演会講演論文集 1999年12月】

舗装工学論文集 Vol. 4, 87-94, 1999.12

ニューラルネットワークを用いた舗装構造の逆解析に関する基礎的研究

小澤 良明¹・松島 学²・松井 邦人³・井上 武美⁴

¹学生会員 東京電機大学理工学研究科建設工学専攻(〒350-0394埼玉県比企郡鳩山町大宇石坂)
²正会員 東電設計(株)技術開発本部(〒110-0015東京都台東区東上野3町目3番3号)
³フェロー会員 PhD.東京電機大学建設環境工学科(〒350-0394埼玉県比企郡鳩山町大字石坂)
⁴正会員 日本鋪道(株)技術研究所(〒104-0031東京都品川区東品川3-32-34)

FWD試験で測定した表面たわみより舗装を構成する層弾性係数を推定し,構造評価を行うことが試みられている. 一般に繰り返し計算が必要となるため,計測現場で瞬時に層弾性係数を推定することは不可能である.本研究は, ニューラルネットワークを用いることによりこの欠点を克服しようと試みている.
3層構造の舗装を対象として,層弾性係数と表面たわみの関係を学習させ,そのニューラルネットワークシステム を構築している.また,構築したニューラルネットワークシステムを精度を検証するための実測データに適用し, 従来の逆解析法から得られた結果と比較し,そのシステムの妥当性を明らかにした.

Key Words: artificial neural network FWD, backcalculation, elastic multi-layered analysis, pavement layer modulus

---

Structural evaluation of pavement has been conducted from a set of surface deflections measured by a falling weight deflectometer(FWD). However, because a backcalculation requires repetitive computation, layer moduli can not be estimated instantaneously after FWD tests. This study aims to overcome this shortcoming. Selecting three layer pavement as an example structure, artificial neural network is trained to acquire knowledge on relationship among layer modulus, layer thickness and surface deflections. The system constructed in this manner is verified by applying the system to FWD test data and by comparing the system generated layer moduli with those obtained from backcalculation.