Modeling of Mechanical Properties of Recycled Foamed Asphalt Mix by Nonlinear Regression and Artificial Neural Network and Ranking of Different Designs Using TOPSIS Method
Portada
Cargando...
PDF 
FLIP 
XML 
Archivo 
HTML Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor
Instituto Tecnológico Metropolitano (ITM)
Fecha
Citación
Título de serie/ reporte/ volumen/ colección
Es Parte de
Descripción
Foamed asphalt mixtures, created using reclaimed asphalt pavement (RAP) and foamed bitumen, offer energy savings, reduced use of virgin materials, and lower transportation costs, combining the characteristics of rigid and flexible pavements. This study evaluated the mechanical performance of foamed asphalt mixtures with varying bitumen content (1–3 %) and cement content (0–2 %) to identify the optimal combination for pavement applications. Samples were tested for uniaxial compressive strength (UCS), indirect tensile strength (ITS), resilient modulus (RM), and tensile strength ratio (TSR) under laboratory conditions. To predict the results, a nonlinear regression model and an artificial neural network (ANN) were employed. The ANN model demonstrated greater accuracy with significantly lower prediction errors compared to the nonlinear regression model. The Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method was then used to select the optimal combination of materials. TOPSIS prioritizes mixtures with the shortest geometric distance to the positive ideal solution (best values for all attributes) and the longest distance from the negative ideal solution. The results showed that UCS and RM increased as the bitumen content increased from 1 % to 2 %, but these properties decreased when the bitumen content exceeded 2 %. In contrast, ITS (dry and saturated) showed continuous improvement with an increase in bitumen content from 1 % to 3 %. TOPSIS analysis identified the mixture with 3 % bitumen and 2 % cement as the optimal combination, achieving the best overall performance in the UCS, ITS, RM, and TSR tests. This study highlights the utility of foamed asphalt mixtures for sustainable construction, demonstrating that ANN predictions and TOPSIS can effectively guide material selection to achieve superior mechanical performance while reducing environmental impact.
Las mezclas de asfalto espumado, creadas utilizando pavimento asfáltico reciclado (RAP, por sus siglas en inglés) y betún espumado, ofrecen ahorros de energía, reducción del uso de materiales vírgenes y menores costos de transporte, combinando las características de pavimentos rígidos y flexibles. Este estudio evaluó el rendimiento mecánico de las mezclas de asfalto espumado con diferentes contenidos de betún (1–3 %) y contenidos de cemento (0–2 %) para identificar la combinación óptima para aplicaciones en pavimentos. Se realizaron pruebas de resistencia a la compresión uniaxial (UCS, por sus siglas en inglés), resistencia a la tracción indirecta (ITS, por sus siglas en inglés), módulo resiliente (RM, por sus siglas en inglés) y relación de resistencia a la tracción (TSR, por sus siglas en inglés) en condiciones de laboratorio. Para predecir los resultados se utilizó un modelo de regresión no lineal y una red neuronal artificial (ANN, por sus siglas en inglés). El modelo de ANN demostró una mayor precisión con errores de predicción significativamente menores en comparación con el modelo de regresión no lineal. Luego, se empleó el método de Técnica para el Orden de Preferencia por Similaridad a la Solución Ideal (TOPSIS) para seleccionar la combinación óptima de materiales. TOPSIS prioriza las mezclas con la distancia geométrica más corta a la solución ideal positiva (mejores valores para todos los atributos) y la distancia más larga de la solución ideal negativa. Los resultados mostraron que UCS y RM aumentaron a medida que el contenido de betún aumentaba del 1 % al 2 %, pero estas propiedades disminuyeron cuando el contenido de betún superó el 2 %. En contraste, ITS (seco y saturado) mostró una mejora continua con el aumento del contenido de betún del 1 % al 3 %. El análisis de TOPSIS identificó la mezcla con 3 % de betún y 2 % de cemento como la combinación óptima, logrando el mejor rendimiento general en las pruebas de UCS, ITS, RM y TSR. Este estudio destaca la utilidad de las mezclas de asfalto espumado para la construcción sostenible, demostrando que las predicciones de ANN y TOPSIS pueden guiar eficazmente la selección de materiales para lograr un rendimiento mecánico superior mientras se reduce el impacto ambiental.
Las mezclas de asfalto espumado, creadas utilizando pavimento asfáltico reciclado (RAP, por sus siglas en inglés) y betún espumado, ofrecen ahorros de energía, reducción del uso de materiales vírgenes y menores costos de transporte, combinando las características de pavimentos rígidos y flexibles. Este estudio evaluó el rendimiento mecánico de las mezclas de asfalto espumado con diferentes contenidos de betún (1–3 %) y contenidos de cemento (0–2 %) para identificar la combinación óptima para aplicaciones en pavimentos. Se realizaron pruebas de resistencia a la compresión uniaxial (UCS, por sus siglas en inglés), resistencia a la tracción indirecta (ITS, por sus siglas en inglés), módulo resiliente (RM, por sus siglas en inglés) y relación de resistencia a la tracción (TSR, por sus siglas en inglés) en condiciones de laboratorio. Para predecir los resultados se utilizó un modelo de regresión no lineal y una red neuronal artificial (ANN, por sus siglas en inglés). El modelo de ANN demostró una mayor precisión con errores de predicción significativamente menores en comparación con el modelo de regresión no lineal. Luego, se empleó el método de Técnica para el Orden de Preferencia por Similaridad a la Solución Ideal (TOPSIS) para seleccionar la combinación óptima de materiales. TOPSIS prioriza las mezclas con la distancia geométrica más corta a la solución ideal positiva (mejores valores para todos los atributos) y la distancia más larga de la solución ideal negativa. Los resultados mostraron que UCS y RM aumentaron a medida que el contenido de betún aumentaba del 1 % al 2 %, pero estas propiedades disminuyeron cuando el contenido de betún superó el 2 %. En contraste, ITS (seco y saturado) mostró una mejora continua con el aumento del contenido de betún del 1 % al 3 %. El análisis de TOPSIS identificó la mezcla con 3 % de betún y 2 % de cemento como la combinación óptima, logrando el mejor rendimiento general en las pruebas de UCS, ITS, RM y TSR. Este estudio destaca la utilidad de las mezclas de asfalto espumado para la construcción sostenible, demostrando que las predicciones de ANN y TOPSIS pueden guiar eficazmente la selección de materiales para lograr un rendimiento mecánico superior mientras se reduce el impacto ambiental.