Utilizzo di support vector machine per l'identificazione delle caratteristiche meccaniche delle sovrastrutture stradali a partire da misure deflettometriche.
L’obiettivo di questo lavoro è stato lo sviluppo di una metodologia per l’identificazione delle caratteristiche meccaniche dei materiali costituenti le pavimentazioni stradali basate sull’utilizzo della tecnica SVM (Support Vector Machine) di recente sviluppo. Tale procedura che fa parte delle cosiddette tecniche di apprendimento è stata adottata per la complessità numerica del problema indagato che consiste nell’analisi dinamica di pavimentazioni stradali sottoposte ad un carico impulsivo. Vista la natura dinamica del problema infatti le tradizionali tecniche di backcalculation che prevedono un procedimento iterativo che interviene sui parametri del problema fino ad ottenere, attraverso delle simulazioni, i medesimi risultati misurati, rendono il procedimento molto dispendioso in termini di tempo. La procedura messa a punto in questa tesi invece elimina tale problema utilizzando degli algoritmi di apprendimento che prevedono una prima fase di addestramento nella quale sono state eseguite migliaia di simulazioni in campo dinamico variando i vari parametri del problema. Successivamente, quando la “macchina” risulta addestrata il problema viene risolto in maniera diretta eliminando tutti i procedimenti iterativi che altrimenti dovrebbero essere eseguiti per ogni test e che con questa tecnica vengono “effettuati” una sola volta durante la fase di apprendimento. Tale procedimento è stato in grado di dare buoni risultati in campo dinamico ottenendo errori percentuali modesti in tutto il range di valori considerati potendo quindi considerare tale approccio una valida alternativa ai metodi iterativi. Gli argomenti sono stati trattati in modo rigoroso dando spazio ad approfondimenti teorici sia dal punto di vista delle meccanica della pavimentazione che dal punto di vista delle tecniche di identificazione mettendo inoltre in luce alcuni aspetti migliorativi alle tecniche utilizzate.
