estimation of creep compliance of hot mix asphalt by artificial neural networks

[ ' c r e e p c o m p l i a n c e i s o n e o f t h e f u n d a m e n t a l t e s t s o f m e c h a n i s t i c ' , ' e m p i r i c a l f l e x i b l e p a v e m e n t d e s i g n p r o c e d u r e i n t h e a a s h t o 2 0 0 2 d e s i g n g u i d e . i n t h i s r e s e a r c h ' , ' a n e w a r t i f i c i a l n e u r a l n e t w o r k m o d e l f o r e s t i m a t i n g t h e h m a c r e e p c o m p l i a n c e w i t h t h e g e n e r a l i z a t i o n a b i l i t y o f r = 0 . 9 4 9 h a s b e e n d e v e l o p e d s u c c e s s f u l l y u s i n g f e e d f o r w a r d m u l t i l a y e r p e r c e p t r o n a r t i f i c i a l n e u r a l n e t w o r k s ( a n n s ) w i t h l e v e n b e r g ' , ' m a r q u a r d t b a c k p r o p a g a t i o n t r a i n i n g a l g o r i t h m . t h e a n n m o d e l h a s 1 4 i n p u t s i n c l u d i n g s e l e c t e d p e r c e n t p a s s i n g s f r o m a g g r e g a t e g r a d a t i o n c u r v e ' , ' a s p h a l t c o n t e n t ' , ' a s p h a l t p e n e t r a t i o n d e g r e e s a t 7 7 a n d 1 2 5 f a h r e n h e i t ' , ' a s p h a l t p e n e t r a t i o n i n d e x a n d t e s t t e m p e r a t u r e . t h e m o d e l h a s 8 o u t p u t s c o n s i s t o f c r e e p c o m p l i a n c e s o f h o t m i x a s p h a l t a t 1 ' , 2 , 5 , 1 0 , 2 0 , 5 0 , ' 1 0 0 s e c o n d s a n d p o i s s o n c o e f f i c i e n t . a l l n e e d e d d a t a h a s b e e n e x t r a c t e d f r o m l t p p d a t a b a s e 2 0 0 7 b y d e v e l o p i n g m a n y p r o g r a m s b y s q l i n a c c e s s 2 0 0 0 . a s t h e r e s u l t ' , ' 9 7 5 c r e e p c o m p l i a n c e t e s t s d a t a a n d 9 7 5 a s s o c i a t e d a g g r e g a t e t e s t s d a t a s e r i e s a n d 9 7 5 a s s o c i a t e d a s p h a l t t e s t s d a t a s e r i e s h a s b e e n e x t r a c t e d s u c c e s s f u l l y f o r a n n s t r a i n i n g a n d e v a l u a t i o n . ' ]