⚡ electrical engineering

Investigation of Full-Process Settlement Behavior and Prediction Models for Long-Short Pile Composite Foundations

Questo articolo propone un modello di previsione ibrido che integra modelli empirici (Weibull e Poisson modificato) con algoritmi intelligenti (EMD e LS-SVM) per caratterizzare accuratamente l'evoluzione del cedimento a "forma di S" e prevedere il cedimento dell'intero processo delle fondazioni composte su pali lunghi-corti, come validato dal progetto Seoul Park.

Autori originali: Yang Liu, Guobo Han, Lihua Zhang, Xuemei Tian, Changjin Zhang, Hongbo Qu, Lili Zhang

Pubblicato 2026-08-08

📖 3 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Yang Liu, Guobo Han, Lihua Zhang, Xuemei Tian, Changjin Zhang, Hongbo Qu, Lili Zhang

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di stare costruendo un gigantesco castello di sabbia su una spiaggia che sta lentamente affondando. Non vuoi solo sapere quanto è profondo il buco in questo momento; vuoi sapere esattamente di quanto affonderà domani, il mese prossimo e l'anno prossimo. Questa è la sfida quotidiana per gli ingegneri che costruiscono grattacieli su terreni soffici. Utilizzano speciali "fondazioni composte", che sono come una squadra di lunghi e corti pali di legno conficcati nel fango per sostenere l'edificio. Ma il terreno non affonda semplicemente in linea retta; si comporta come un essere vivente, reagendo al peso dell'edificio, alla pioggia e ai lavoratori dell'edilizia in modo disordinato e imprevedibile. Per mantenere l'edificio sicuro e dritto, gli ingegneri devono prevedere perfettamente questo comportamento di affondamento. Se sbagliano le stime, l'edificio potrebbe inclinarsi o creparsi. Questo articolo riguarda la ricerca della migliore "palla di cristallo" per prevedere esattamente quanto queste fondazioni speciali si assesteranno nel tempo.

I ricercatori in questo studio, guidati da Yang Liu e colleghi, hanno affrontato il problema di prevedere l' "assestamento del processo completo" (l'affondamento totale dall'inizio alla fine) di queste fondazioni a pali lunghi-corti. Sapevano che le semplici formule matematiche spesso faticano perché il movimento del terreno è disordinato e cambia velocità nel tempo. Per risolvere questo problema, hanno provato tre approcci diversi. Per prima cosa, hanno utilizzato due classiche forme matematiche chiamate modello di Weibull e modello di Poisson modificato. Immagina questo come il tentativo di adattare una curva liscia e predefinita su un sentiero escursionistico accidentato. Hanno scoperto che, sebbene queste curve potessero descrivere la forma generale a "S" dell'affondamento (partendo lentamente, accelerando, poi rallentando di nuovo), a volte mancavano i piccoli sobbalzi e le increspature causate dal rumore del cantiere o dai cambiamenti improvvisi del carico. Il modello di Poisson modificato era un po' più bravo a piegarsi per adattarsi alla curva, ma aveva comunque dei limiti.

Per ottenere una previsione veramente accurata, il team ha inventato un metodo ibrido più intelligente chiamato EMD-LS-SVM. Hanno trattato i dati dell'assestamento come una canzone complessa piena di diversi strumenti che suonano contemporaneamente. Per prima cosa, hanno utilizzato una tecnica chiamata Decomposizione Empirica delle Mode (EMD) per separare la "canzone" nei suoi singoli strumenti: le note basse e profonde e lente (la tendenza dell'affondamento a lungo termine), le melodie a media frequenza (la costruzione costante dei piani) e il rumore acuto e graffiante (i sussulti improvvisi dovuti ai lavori di costruzione). Successivamente, hanno utilizzato uno potente strumento di intelligenza artificiale chiamato Macchina a Vettori di Supporto a Minimi Quadrati (LS-SVM) per prevedere il futuro di ogni strumento separatamente. Infine, hanno rimescolato queste previsioni insieme.

I risultati, testati su un edificio reale chiamato Edificio B27 in un progetto residenziale in Cina, hanno mostrato che questo nuovo metodo ibrido era il vincitore netto. Mentre i modelli di adattamento di curve semplici erano discreti, il modello ibrido era incredibilmente preciso. Ha previsto l'assestamento finale a 600 giorni pari a -27,5430 mm, con un errore massimo di soli 0,4760 mm. Questo è un enorme miglioramento, che ha ridotto l'errore dei vecchi modelli di oltre la metà. Lo studio suggerisce che, scomponendo il problema in parti più piccole e semplici e poi riassemblandole, gli ingegneri possono ottenere un quadro molto più chiaro di come si comporterà il terreno, aiutando a mantenere gli edifici sicuri e stabili senza ricorrere alle congetture.

Sintesi Tecnica: Investigazione del Comportamento di Cedimento dell'Intero Processo e Modelli di Predizione per Fondazioni Composte a Pali Lunghi-Corti

Problematica
La previsione accurata del cedimento dell'intero processo nelle fondazioni composte a pali lunghi-corti è critica per garantire la sicurezza e l'accettabilità delle strutture costruite su terreni teneri. Tuttavia, i metodi di previsione esistenti affrontano due limitazioni primarie:

Vincoli dei Modelli Empirici: I modelli empirici convenzionali (ad es., i modelli standard di Weibull e Poisson) si affidano spesso a metodi di stima dei parametri come l'interpolazione delle spline cubiche o la regressione non lineare, che sono sensibili ai valori iniziali e alle dimensioni del campione, portando a una precisione e robustezza limitate nell'identificazione dei parametri.
Complessità del Comportamento di Cedimento: Il cedimento delle fondazioni è un processo complesso e non stazionario influenzato dall'aumento dei carichi della sovrastruttura, dal consolidamento del suolo e dall'interazione palo-terreno. Esso esibisce una marcata non linearità e caratteristiche multi-scala. I singoli modelli empirici faticano a catturare simultaneamente l'andamento evolutivo a lungo termine e le fluttuazioni locali causate dai disturbi di costruzione e dalle variazioni ambientali.

Metodologia
Lo studio propone un framework di previsione ibrido che integra la modellazione statistica empirica con algoritmi intelligenti basati sui dati. La metodologia è strutturata in tre fasi:

Modellazione Empirica Ottimizzata:
- Modello di Weibull: Stabilito per caratterizzare l'evoluzione del cedimento a forma di "S". È stato sviluppato un metodo di identificazione dei parametri basato sull'ottimizzazione per minimizzare la somma degli errori quadratici tra i valori misurati e quelli predetti, soggetto a un vincolo di errore assoluto massimo di 1 mm.
- Modello di Poisson Modificato: Un parametro di modifica della forma ( $c_4$ ) è stato introdotto nel modello di Poisson convenzionale. Questo potenziamento aumenta la flessibilità del modello nel catturare l'evoluzione asimmetrica del cedimento e le variazioni significative nei tassi di cedimento, comuni nei sistemi a pali lunghi-corti a causa della ridistribuzione degli sforzi.
Predizione Intelligente Ibrida (EMD-LS-SVM):
- Decomposizione Empirica in Modi (EMD): I dati grezzi di monitoraggio del cedimento vengono decomposti in molteplici Funzioni di Modo Intrinseco (IMF) e una componente residua. Questo processo adattivo separa il segnale in diverse scale temporali: componenti ad alta frequenza (fluttuazioni a breve termine/rumore), componenti a media frequenza (effetti di carico per fasi) e componenti a bassa frequenza/residue (tendenze di consolidamento a lungo termine).
- Macchina a Vettori di Supporto a Minimi Quadrati (LS-SVM): Per ogni componente decomposta viene costruito un modello LS-SVM indipendente. LS-SVM è stato scelto per la sua capacità di gestire problemi di regressione non lineare con campioni limitati, trasformando il problema di programmazione quadratica in un sistema di equazioni lineari.
- Ricostruzione Pesata: La predizione finale è generata ricostruendo ottimamente le componenti predette utilizzando coefficienti di ponderazione determinati dal criterio dell'errore di predizione minimo.
Validazione Ingegneristica:
- I modelli sono stati validati utilizzando i dati di monitoraggio sul campo dell'Edificio B27 nello Sviluppo Residenziale Seoul Park (Hebei, Cina). La fondazione utilizza un sistema di pali lunghi-corti con Cemento e Cenere e Ghiaia (CFG) (pali lunghi: 21,45 m; pali corti: 11,90 m) in terreno di argilla limosa.

Risultati Chiave

Schema di Evoluzione del Cedimento: Il cedimento dell'intero processo della fondazione composta segue un tipico schema di evoluzione a "S", caratterizzato da una fase di sviluppo iniziale, una fase di crescita rapida (dove il tasso di cedimento raggiunge il picco) e una fase di consolidamento stabile.
Prestazioni del Modello Empirico: Sia il modello di Weibull ottimizzato che il modello di Poisson modificato hanno catturato con successo l'andamento generale del cedimento con errori assoluti massimi inferiori a 1,0 mm. Il modello di Poisson modificato ha dimostrato una flessibilità e una capacità predittiva superiori durante le fasi di rapida variazione del tasso di cedimento grazie al suo parametro di forma aggiuntivo.
Caratteristiche Multi-scala: L'EMD ha separato con successo il segnale di cedimento in distinti meccanismi fisici. L'IMF1 ha catturato i disturbi di costruzione a breve termine; l'IMF2 ha riflesso il carico per fasi e l'interazione palo-terreno; la componente residua ha rappresentato la tendenza di consolidamento del suolo a lungo termine.
Superiorità del Modello Ibrido: Il modello combinato EMD-LS-SVM ha superato significativamente i singoli modelli empirici.
- Ha raggiunto un errore assoluto massimo di 0,4760 mm a 158 giorni, rappresentando una riduzione di oltre il 50% rispetto agli errori massimi dei modelli empirici.
- A 128 giorni, il modello ha raggiunto un errore di 0,0000 mm.
- Ha catturato efficacemente sia l'andamento evolutivo globale che le fluttuazioni locali, particolarmente durante i periodi di rapidi cambiamenti del tasso di cedimento, dove i modelli empirici mostravano deviazioni.

Significatività e Rivendicazioni
L'articolo sostiene che l'approccio ibrido proposto affronta i limiti dei metodi tradizionali attraverso:

Potenziamento dell'Identificazione dei Parametri: Utilizzo di algoritmi di ottimizzazione per migliorare l'accuratezza e la robustezza dei parametri dei modelli empirici.
Decomposizione della Complessità: Sfruttamento dell'EMD per trasformare una serie temporale complessa e non stazionaria in componenti più semplici e stazionarie, riducendo così la difficoltà della mappatura non lineare per l'LS-SVM.
Miglioramento della Precisione Predittiva: Fornitore di una base teorica e di un riferimento tecnico per il monitoraggio del cedimento e il controllo della sicurezza. Lo studio afferma che il modello EMD-LS-SVM offre una soluzione più affidabile per la predizione intelligente del cedimento delle fondazioni composte, capace di gestire gli effetti accoppiati di carico di costruzione, interazione palo-terreno e consolidamento dipendente dal tempo.

Gli autori concludono che, sebbene i modelli empirici siano sufficienti per catturare i trend generali, il modello combinato EMD-LS-SVM è necessario per una predizione ad alta precisione in condizioni ingegneristiche complesse dove le fluttuazioni locali e i comportamenti multi-scala sono significativi.

Articoli simili