Investigation of Full-Process Settlement Behavior and Prediction Models for Long-Short Pile Composite Foundations
Dieses Papier schlägt ein hybrides Vorhersagemodell vor, das empirische Modelle (Weibull und modifiziertes Poisson) mit intelligenten Algorithmen (EMD und LS-SVM) integriert, um die „S-förmige“ Setzungsentwicklung präzise zu charakterisieren und die Setzung des gesamten Prozesses von Lang-Kurz-Pfahl-Verbundfundamenten vorherzusagen, wie durch das Seoul Park Projekt validiert wurde.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie bauen eine riesige Sandburg an einem Strand, der langsam einsinkt. Sie wollen nicht nur wissen, wie tief das Loch im Moment ist; Sie wollen genau wissen, wie viel sie morgen, nächsten Monat und nächstes Jahr einsinken wird. Dies ist die tägliche Herausforderung für Ingenieure, die Wolkenkratzer auf weichem Boden bauen. Sie verwenden spezielle „Verbundgründungen“, die wie ein Team aus langen und kurzen Holzpfählen funktionieren, die in den Schlamm getrieben werden, um das Gebäude zu halten. Aber der Boden sinkt nicht einfach in einer geraden Linie ein; er verhält sich wie ein Lebewesen, das auf das Gewicht des Gebäudes, den Regen und die Bauarbeiter reagiert – auf eine chaotische, unvorhersehbare Weise. Um das Gebäude sicher und gerade zu halten, müssen Ingenieure dieses Setzungsverhalten perfekt vorhersagen können. Wenn sie falsch schätzen, könnte das Gebäude kippen oder Risse bekommen. In dieser Arbeit geht es darum, die beste „Kristallkugel“ zu finden, um genau vorherzusagen, wie stark sich diese speziellen Fundamente im Laufe der Zeit setzen werden.
Die Forscher in dieser Studie, unter der Leitung von Yang Liu und Kollegen, widmeten sich dem Problem, die „Gesamtsetzung“ (das gesamte Einsinken vom Anfang bis zum Ende) dieser kombinierten Pfahlgründungen vorherzusagen. Sie wussten, dass einfache mathematische Formeln oft Schwierigkeiten haben, da die Bewegung des Bodens chaotisch ist und sich die Geschwindigkeit im Laufe der Zeit verändert. Um dies zu beheben, probierten sie drei verschiedene Ansätze aus. Zuerst verwendeten sie zwei klassische mathematische Formen, das Weibull-Modell und ein modifiziertes Poisson-Modell. Denken Sie dabei daran, wie man versucht, eine glatte, vorgefertigte Kurve über einen holprigen Wanderweg zu legen. Sie fanden heraus, dass diese Kurven zwar die allgemeine „S-Form“ des Einsinkens beschreiben konnten (erst langsam, dann schneller, dann wieder langsamer werdend), aber manchmal die kleinen Hügel und Wellen übersahen, die durch Baulärm oder plötzliche Laständerungen verursacht wurden. Das modifizierte Poisson-Modell war etwas besser darin, sich der Kurve anzupassen, hatte aber dennoch seine Grenzen.
Um eine wirklich genaue Vorhersage zu treffen, erfand das Team eine intelligentere, hybride Methode namens EMD-LS-SVM. Sie behandelten die Setzungsdaten wie ein komplexes Lied voller verschiedener Instrumente, die gleichzeitig spielen. Zuerst nutzten sie eine Technik namens Empirical Mode Decomposition (EMD), um das „Lied“ in seine einzelnen Instrumente zu zerlegen: die tiefen, langsamen Bassnoten (den langfristigen Einsinktrend), die Melodien im mittleren Bereich (den stetigen Aufbau der Stockwerke) und das hochfrequente, kratzige Rauschen (plötzliche Unruhen durch Bauarbeiten). Dann nutzten sie ein leistungsstarkes KI-Werkzeug namens Least Squares Support Vector Machine (LS-SVM), um die Zukunft jedes Instruments separat vorherzusagen. Schließlich mischten sie diese Vorhersagen wieder zusammen.
Die Ergebnisse, die an einem echten Gebäude namens Gebäude B27 in einem Wohnprojekt in China getestet wurden, zeigten, dass diese neue hybride Methode der klare Gewinner war. Während die einfachen Kurvenanpassungsmodelle akzeptabel waren, war das hybride Modell unglaublich präzise. Es sagte die Endsetzung nach 600 Tagen mit -27,5430 mm voraus, bei einem maximalen Fehler von nur 0,4760 mm. Dies ist eine enorme Verbesserung und reduziert den Fehler der älteren Modelle um mehr als die Hälfte. Die Studie legt nahe, dass Ingenieure, indem sie das Problem in kleinere, einfachere Teile zerlegen und dann wieder zusammensetzen, ein viel klareres Bild davon bekommen können, wie sich der Boden verhalten wird, was ihnen hilft, Gebäude sicher und stabil zu halten, ohne auf das Raten angewiesen zu sein.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.