USING ARTIFICIALNEURALNETWORKSTO PREDICTTHE DISTRESSES OF FLEXIBLEPAVEMENT

Road networks have a very important role in the economic development of any country.Therefore, Pavement Management Systems (PMS) are considered significant in managing the condition of highway networks efficientlyto determine the required maintenance in a timely manner at the lowest cost.
This research aims to use Artificial NeuralNetworks (ANNs) in the possibility of predicting the pavement condition index of the flexible pavement using the LTPP database.This research included the use of many inputs and data of flexible asphalt pavement containing thickness of the layers (A.C- Base-Subbase-Subgrade),temperature, humidity, precipitation, freezing, age, traffic volumes, and distress. The total number of sectionsthat were used in the Artificial Neural Network modelwas 862 sectionsfor nine states of the United States of America.All sections were divided into two categories; the first, overlay was not used to treat the distress. These sections take symbols (SPS-1&3&8) according to LTPP.The second sections were subjected to overlay layer as a resultof the maintenance that was performed on it and was of the type(SPS-5) and in this type two cases were monitored; In the first case; the distresses before and after the maintenance operation using an overlay layer, the second case; the distresses were monitored after the maintenance process using an overlay layer was increased due to distresses.
The Matlab program was used to build the ANN model based on the collected data to predict the Pavement Condition Index (PCI).
The results indicated thatthe model showed an excellent prediction for the Pavement Condition Index. The correlation coefficient(R^2) was more than 80% approximately for all sections. This result indicated that the ANN models can be used efficiently to predict the pavement condition and contribute to building an effective plan for future road maintenance work.
 
إن شبکات الطرق لها دور فى غاية الأهمية للتنمية الإقتصادية لأى وطن. لذلک، تعتبر أنظمة إدارة الرصف (PMS) مهمة فى  إدارة شبکة الطرق السريعة بکفاءة لتحديد الصيانة المطلوبة فى الوقت المناسب وبأقل تکلفة.
إن هذا البحث يهدف إلى استخدام شبکات الخلايا الاصطناعية (ANNs) فى إمکانية التنبؤ بمعامل حالة الرصف الأسفلتى المرن  مستخدماً قاعدة البيانات (LTPP). وقد تضمن هذا البحث  استخدام العديد من المدخلات والبيانات الخاصة بالرصف الأسفلتى المرن محتويا على سمک الطبقات (طبقة الأسفلت –طبقة الأساس – طبقة الأساس المساعد – الأرض الطبيعية)، درجة الحرارة، الرطوبة، هطول الأمطار، التجمد، العمر، حجم المروروالعيوب. وکان العدد الکلى للقطاعات التى تم استخدامها فى نموذج الشبکة العصبية الإصطناعية 862 قطاعاً لتسع ولايات أمريکية.
تم تقسيم القطاعات إلى مجموعتين: الأولى، بدون استخدام طبقة تقوية لمعالجة العيوب وتأخذ الرموز (SPS-1&3&8) وفقاً للــ LTPP. وأخضعت القطاعات الثانية لطبقة تقوية  نتيجة للصيانة التى أجريت عليها وکانت من نوع (SPS-5)وفى هذا النوع تم رصد حالتين: فى الحالة الأولى، العيوب قبل وبعد عملية الصيانة وطبقة التقوية،وفي الحالة الثانية، تم رصد العيوب بعد عملية الصيانة وزيادة طبقة التقوية نتيجة للعيوب.
تم استخدام برنامج Matlab لبناء نموذج شبکات الخلايا الإصطناعية ANNs  بناءً على البيانات التى تم جمعها للتنبؤ بمعامل حالة الرصف (PCI).
أشارت النتائج إلى أن النماذج متميزة فى التنبؤ بمعامل حالة الرصف (PCI)، وکان معامل الإرتباط (R²) أکثر من80%  تقريباً لجميع القطاعات. کما أشارت هذه النتيجة إلى أنه يمکن استخدام نماذج شبکات الخلايا الإصطناعية بکفاءة للتنبؤ بحالة الرصف والمساهمة فى بناء خطة فعالة لأعمال صيانة الطرق المستقبلية.