Detailergebnis zu DOK-Nr. 76032
Bewertung der aus Drucksondierungen ermittelten undränierten Scherfestigkeit von Böden mithilfe künstlicher neuronaler Netze (Orig. engl.: Exploring artificial neural network to evaluate the undrained shear strength of soil from cone pentration test data)
| Autoren |
M.Y. Abu-Farsakh M.A.H. Mojumder |
|---|---|
| Sachgebiete |
7.1 Baugrunderkundung; Untersuchung von Boden und Fels |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2674, H. 4, 2020, S. 11-22, 4 B, 4 T, 38 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr
Die Abschätzung der Konsistenz und der undränierten Scherfestigkeit bindiger Böden aus Drucksondierungen basiert auf einer empirischen Korrelation unter Verwendung des Reibungsverhältnisses aus Mantelreibung und Spitzendruck. Der Artikel stellt eine Methode für eine konsistente Prognose von c(Index u) vor, die auf Algorithmen mit künstlichen neuronalen Netzen aufbaut. Das Netzwerk verwendet eine Datenbank mit verschiedenen, im Labor experimentell ermittelten bodenmechanischen Kennwerten aus 70 Gewinnungsstellen, im Wesentlichen Scherfestigkeit und Zustandsgrenzen. Sechs Netzwerktypen mit unterschiedlicher Architektur und unterschiedlichen Algorithmen wurden getestet und in einer Sensitivitätsanalyse bewertet. Die Modelle wurden durch Plausibilitätsprüfungen schrittweise verbessert beziehungsweise angelernt. Schließlich wurden die Ergebnisse von mit der neu entwickelten Methode ermittelter undränierten Kohäsion der Abschätzung aus der herkömmlichen Methode auf empirischer Grundlage gegenübergestellt und der Korrelationskoeffizient verglichen. Dabei zeigte sich, dass die mit künstlicher Intelligenz aus den CPT-Daten ermittelten Werte der undränierten Kohäsion die Laborwerte mit geringerer Unschärfe abbilden, als die auf der Grundlage des Reibungsbeiwerts prognostizierten Kennwerte, vor allem, wenn zusätzlich experimentell ermittelte Zustandsgrenzen verwertet werden. Als weiterer Vorteil der künstlichen neuralen Netze wird aufgeführt, dass die Aussagefähigkeit eines Netzwerks jederzeit durch Detailkenntnisse der Böden verbessert werden kann. Dass eine Prognose auch mit der herkömmlichen empirischen Methode durch "Erfahrung", also durch Einsatz natürlicher Intelligenz, verbessert werden kann, ziehen die Autoren nicht in Betracht.