← أحدث الأبحاث
⚡ electrical engineering

Physics-Informed Neural Network for Stability Analysis of Embankments Supported by GESCs with Bending Deformation

تقترح هذه الدراسة إطار عمل جديداً للشبكات العصبية المستوحاة من الفيزياء (PINN) يدمج تشوه الانحناء للأعمدة الحجرية المغلفة بالجيوسينثيتيك (GESCs) كقيد فيزيائي لتحقيق تقييم احتمالي عالي الدقة وسريع للاستقرار وتصميم أمثل للتربات فوق التربة الضعيفة.

المؤلفون الأصليون: Xiaocong Cai, Ling Zhang, Bocheng Peng, Jingpeng Tan, Zijian Yang

نُشر 2026-09-15
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Xiaocong Cai, Ling Zhang, Bocheng Peng, Jingpeng Tan, Zijian Yang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

عندما يبني المهندسون طرقًا أو خطوط سكة حديد عبر أراضٍ رخوة وطينية، غالبًا ما يواجهون مشكلة مستعصية: الأرض ببساطة لا تستطيع تحمل الوزن. ولحل هذه المشكلة، يقومون بدفع أعمدة سميكة من الحجر المسحوق في التربة، مما يخلق أساسًا معززًا يمكنه تحمل الحمل الثقيل فوقه. ومع ذلك، في التربة الأكثر رقة، يمكن لهذه الأعمدة الحجرية أن تنثني أو تتقوس جانبًا تحت الضغط، تمامًا مثل غصن جاف ينكسر عند دفعه بقوة. ولمنع حد Hal ذلك، يغلف المهندسون الأعمدة الحجرية بنسيج قوي ومنسوج، يشبه كيسًا شديد التحمل، والذي يضغط الحجارة معًا ويمنعها من التباعد. هذه التقنية، المعروفة باسم استخدام الأعمدة الحجرية المغلفة بالجيوسينثيتيك (geosynthetic-encased stone columns)، هي وسيلة قياسية لجعل الأرض الضعيفة قوية بما يكفي لتحمل الردميات. ومع ذلك، فإن التنبؤ بدقة متى وكيف قد تفشل هذه الأعمدة المعززة أثناء الزلزال يظل لغزًا صعبًا، لأن الأرض والحجارة والنسيج يتفاعلون جميعًا بطرق معقدة ومتغيرة يصعب حسابها يدويًا.

لقد عالج فريق من الباحثين من جامعة هونان هذا التعقيد عبر تعليم الكمبيوتر كيف يفكر كعالم فيزياء. فبدلاً من الاعتماد فقط على كميات هائلة من البيانات أو التخمينات النظرية البحتة، طوروا نموذجًا ذكيًا جديدًا يجمع بين قدرة التعلم للذكاء الاصطناعي وقواعد الميكانيكا الراسخة. بدأوا بإنشاء وصف رياضي مفصل لكيفية انثناء وكسر هذه الأعمدة الحجرية المغلفة، مع مراعاة الطريقة التي يقاوم بها الغلاف النسيجي ميل العمود للكسر. واختبروا هذا الوصف مقابل تجارب واقعية ومحاكاة حاسوبية لردمية يبلغ ارتفاعها ثلاثة أعشار ونصف المتر مبنية على تربة رخوة. وأكدت النتائج أن طريقتهم الجديدة، التي تأخذ في الاعتبار كلاً من الانثناء والقص للأعمدة، تنبأت بنقطة الفشل بدقة أكبر من الطرق القديمة التي تجاهلت تأثير الانثناء. وفي الواقع، عندما قارنوا حساباتهم باختبار نموذج فيزيائي، طابقت طريقتهم حالة الفشل المرصودة بشكل وثيق أكثر من النهج السابقة، والتي كانت تميل إلى المبالغة في تقدير سلامة الهيكل.

ومع وجود هذه القاعدة الفيزيائية الموثوقة في اليد، بنى الباحثون شبكة عصبية، وهي نوع من البرامج الحاسوبية المصممة لإيجاد الأنماط في البيانات. قاموا بتغذية البرنامج بآلاف السيناريوهات الناتجة عن حساباتهم القائمة على الفيزياء، والتي تغطي مجموعة واسعة من أنواع التربة، وأحجام الأعمدة، وقوة الزلازل. كانت مهمة البرنامج هي تعلم العلاقة بين ظروف المدخلات هذه وبين السلامة الناتجة للردمية. وما جعل هذا النهج مميزًا هو أن الباحثين لم يتركوا الكمبيوتر يخمن فحسب؛ بل أجبروه على الامتثال للقانون الفيزيائي للانثناء الذي اشتقوه سابقًا. في كل مرة يقوم فيها الكمبيوتر بعمل تنبؤ، كان عليه التحقق مما إذا كان هذا التنبؤ منطقيًا وفقًا لقوانين كيفية انثناء العمود. وإذا خالف تخمين الكمبيوتر قواعد كيفية انثناء العمود، يقوم النظام بتصحيحه. وقد ضمن ذلك أن النموذج النهائي لم يكن مجرد خدعة إحصائية، بل أداة قائمة على الواقع.

وكانت النتيجة متنبئًا عالي الدقة يمكنه حساب سلامة الردمية فورًا دون الحاجة إلى تشغيل عمليات محاكاة معقدة وبطيئة في كل مرة. تعلم النموذج التنبؤ بأربعة مخرجات رئيسية: عامل السلامة الإجمالي، وأقصى عزم انثناء يمكن أن يتحمله العمود، وقوة المادة الحجرية، وزاوية منطقة ضغط العمود المحددة. وعند اختباره مقابل بيانات لم يرها من قبل، كان النموذج دقيقًا بشكل ملحوظ، حيث طابقت تنبؤاته القيم المحسوبة بشكل شبه مثالي. ووجد الباحثون أن النموذج يمكنه التمييز بين كيفية تأثير العوامل المختلفة على النتيجة. فعلى سبيل المثال، أكدوا أن الغلاف النسيجي الأقوى يحسن الاستقرار بشكل كبير، بينما تؤدي الردميات الأكثر ارتفاعًا أو الزلازل الأقوى إلى تقليله. كما اكتشفوا أن قطر العمود وقوة الغلاف النسيجي هما العاملان الأكثر حسمًا في تحديد كيفية سلوك العمود تحت الإجهاد.

يقدم هذا العمل طريقة جديدة لتصميم أساسات أكثر أمانًا للطرق والسكك الحديدية المبنية على أرض رخوة. فمن خلال دمج قوانين الفيزياء مباشرة في عملية التعلم، خلق الباحثون أداة تتسم بالسرعة والموثوقية في آن واحد. فهي تتجنب عيوب النماذج القائمة على البيانات فقط، والتي يمكن أن تنتج أحيانًا نتائج مستحيلة، وبطء المحاكاة التقليدية التي تستغرق وقتًا طويلًا جدًا لإجراء تغييرات سريعة في التصميم. وتوضح الدراسة أنه عندما يتم توجيه الذكاء الاصطناعي بواسطة القواعد الأساسية لكيفية انثناء المواد وانكسارها، فإنه يمكنه تزويد المهندسين بتقييم فوري وموثوق للاستقرار. يسمح هذا النهج بتحسين التصاميم، مما يضمن استخدام الكمية المناسبة من المواد للحفاظ على سلامة الهياكل أثناء الأحداث الزلزالية، دون الحاجة إلى الإفراط في الهندسة أو التخمين. وتشير النتائج إلى أن هذه الطريقة يمكن أن تصبح أداة معيارية لتصميم الردميات، مما يوفر مسارًا واضحًا لبنية تحتية أكثر مرونة في المناطق المعرضة للزلازل.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →