Intelligente Modellierung von Setzungen und Verdichtbarkeit von künstlichen Böden mithilfe von Algorithmen des maschinellen Lernens

Syyed Hassan Moaddab¹

1) Bauingenieur, Stadtverwaltung Tabriz, Iran,

IOI Code : AAHE-ABBKEZ
Publication : National Conference on Civil Engineering, Design and Construction Technologies, Energy, Materials and Advanced Machinery(icaeu.ir)
Abstract :
    Setzungen und Verdichtungen von künstlichen Böden zählen zu den wichtigsten Parametern, die die Leistungsfähigkeit und Stabilität geotechnischer Bauwerke beeinflussen. Ihre genaue Vorhersage war bisher mit erheblichen Unsicherheiten behaftet. Klassische analytische und experimentelle Methoden liefern aufgrund inhärenter Vereinfachungen und der Unfähigkeit, komplexe nichtlineare Zusammenhänge zwischen Bodenparametern zu berücksichtigen, in vielen Fällen keine ausreichende Genauigkeit. In dieser Studie wird ein intelligenter Modellierungsansatz auf Basis von Algorithmen des maschinellen Lernens vorgestellt, um das Setzungs- und Verdichtungsverhalten künstlicher Böden zu analysieren und vorherzusagen. Hierfür wurde ein Datensatz aus Labor- und geotechnischen Daten verwendet, der physikalische und mechanische Bodeneigenschaften, Belastungsbedingungen und Verdichtungseigenschaften umfasst. Verschiedene Modelle des maschinellen Lernens wurden entwickelt und ihre Leistungsfähigkeit anhand geeigneter statistischer Indikatoren bewertet und mit konventionellen Methoden verglichen. Die Ergebnisse zeigen, dass die vorgeschlagenen intelligenten Modelle das Setzungs- und Verdichtungsverhalten künstlicher Böden genauer vorhersagen können als traditionelle Methoden. Die Ergebnisse dieser Forschung verdeutlichen das hohe Potenzial von Algorithmen des maschinellen Lernens zur Verbesserung geotechnischer Analysen und zur Reduzierung von Unsicherheiten bei der Planung und Bewertung von Bauprojekten.

Keywords : bodensetzung verdichtbarkeit künstliche böden maschinelles lernen intelligente modellierung