Thermal Digital Twins of Asphalt Pavements using Physics-informed Neural Networks
Notice bibliographique
Résumé
To address the adverse effects of climate change on road surfaces, the creation of a thermal digital twin for asphalt pavements is proposed in this paper.The global increase in temperatures, coupled with heavy traffic loads, has resulted in the premature deterioration of asphalt roads.In response to these early failures, recent efforts have focused on enhancing pavement structural integrity by incorporating asphalt modifiers and cool pavement strategies.Regardless of the chosen approach, continuous monitoring of pavement characteristics using embedded sensors plays a crucial role in enabling timely maintenance and rehabilitation (M&R) decisions.One of the ways to achieve this is through the estimation of the thermal diffusivity of the pavement layers which can be directly related to structural condition.To estimate the diffusivity, an inverse-Physics-informed Neural Network model is proposed, which facilitates the integration of sensor data and the heat transfer mechanisms within the pavement.A finite-difference numerical model is adopted to serve as the groundtruth model, to provide the temperature data within the pavement layer, given the boundary conditions.Using the weather data of Dubai, this study has shown the feasibility of adopting Physics-informed Neural Networks (PINNs) to predict the temperature within the pavement layer, despite the complex mixed boundary conditions.Moreover, the i-PINN can be used to estimate the thermal diffusivity with an error of around 0.0001 m 2 /h, using temperature data taken from five depths of the asphalt layer.The contribution of this study, is therefore, a novel condition monitoring of asphalt pavements that can significantly improve existing road maintenance programs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».