hrvatski

Predviđanje ponašanja tunela u krškim stijenskim masama primjenom alata umjetne inteligencije

Zbog svoje jedinstvenosti okarakterizirane složenim geološkim i morfološkim, površinskim i podzemnim, značajkama, krš je izuzetno izazovno okruženje za tuneliranje. Postupci numeričkog modeliranja, koji se koriste za predviđanje ponašanja tunela, opterećeni su stoga mnogim nesigurnostima. Ova prezentacija govori o prednostima primjene neuronskih mreža (NN) kao vrlo učinkovitog alata za predviđanje kratkoročnog i dugoročnog ponašanja tunela. Zbog brojnih prednosti u odnosu na tradicionalno korištene statističke i eksperimentalne metode, poput izvanredne sposobnosti obrade informacija koja se odnosi na nelinearnost, visoku paralelnost, toleranciju na smetnje i buku, samoučenje i generalizaciju, mnogi su istraživači koristili neuronske mreže u primjenama vezanim za tunele u stijenskoj masi. Istraživanje dano u prezentaciji provodi se u okviru znanstvenog projekta SAFE 10-T iz programa Obzor 2020. Prezentacija se usredotočuje na primjere gdje su se neuronske mreže pokazale korisnima za probabilističko projektiranje podgradnog sustava krškog tunela, prevladavajući problematiku dugotrajnih numeričkih analiza primjenom Monte-Carlo simulacije (MCS). Drugi primjer, gdje neuronske mreže koriste veliku bazu podataka in-situ monitoringa, predstavlja napore u procjeni najvjerojatnijeg skupa reoloških parametara, omogućujući tako predviđanje dugoročnih deformacija tunela nakon izgradnje. Primjeri dani u radu uključuju dva tunela u Rijeci: cestovni tunel Pećine i željeznički tunel Brajdica koji je nedavno rekonstruiran.

tunel ; krš ; numeričko modeliranje ; neuronske mreže ; probabilističko projektiranje ; puzanje stijene

nije evidentirano