Afin de comprendre les règles de tassement de surface causées par les activités d'ingénierie sur des fondations contenant des karsts souterrains, cet article utilise une simulation numérique par éléments finis pour analyser la réponse du tassement de surface des fondations avec différentes formes de cavités sous chargement. Quatre facteurs principaux ont été analysés : l'échelle de développement des cavités, la profondeur d'enfouissement, la forme, et la charge, et leur influence sur le tassement de surface. L'étude montre que plus l'échelle de développement des cavités est grande, plus la profondeur est faible, plus le coefficient de forme est petit, et plus la charge est importante, plus le tassement de surface est important. La courbe de tassement a une forme en cloche et suit une distribution gaussienne ; l'analyse selon la méthode de corrélation grise montre que l'échelle de développement et la forme des cavités ont une sensibilité élevée à la valeur maximale du tassement de surface, indiquant que la forme géométrique des cavités impacte significativement le tassement. Un réseau de neurones profond a été entraîné avec les courbes de tassement issues des calculs par éléments finis. L'erreur entre la valeur prédite et la valeur calculée est inférieure à 5%, ce qui permet au réseau de neurones profond d'être une méthode efficace pour prédire le tassement des fondations karstiques dans les constructions.

tassement de surface; cavités souterraines; méthode de corrélation grise; apprentissage automatique; réseau de neurones profond