Um die Bodenabsenkungsmuster zu verstehen, die durch Ingenieuraktivitäten auf Gründungen mit unterirdischen Karsthöhlen verursacht werden, verwendet dieser Artikel eine Finite-Elemente-Simulation zur Analyse der Reaktion der Bodenabsenkung auf Gründungen mit unterschiedlichen Hohlformen unter Last. Es wurden vier Hauptfaktoren untersucht: Entwicklungsmaßstab der Höhlen, Verlegetiefe, Form und Last sowie deren Einfluss auf die Bodenabsenkung. Die Studie zeigt, dass mit zunehmendem Entwicklungsmaßstab der Höhlen, abnehmender Verlegetiefe, kleinerem Formfaktor und wachsender Last die Bodenabsenkung zunimmt. Die Bodenabsenkungskurve hat eine glockenförmige Gestalt und folgt einer Gaußschen Verteilung; die Analyse mittels der Grauen-Korrelation-Methode zeigt, dass der Entwicklungsmaßstab und die Form der Höhlen eine hohe Sensitivität gegenüber dem maximalen Bodenabsenkungswert besitzen, was bedeutet, dass die geometrische Form der Höhlen einen wichtigen Einfluss auf die Bodenabsenkung hat. Ein tiefes neuronales Netzwerk wurde mit den durch Finite-Elemente-Berechnungen erhaltenen Bodenabsenkungskurven trainiert. Der Fehler zwischen den prognostizierten und berechneten Werten liegt unter 5%, wodurch tiefe neuronale Netzwerke als effektive Methode zur Vorhersage von Bodenabsenkungen bei Gründungen mit Höhlen in Bauprojekten eingesetzt werden können.

Bodenabsenkung; unterirdische Höhlen; Graue-Korrelations-Methode; maschinelles Lernen; tiefes neuronales Netzwerk