Análisis y predicción del impacto de la morfología espacial de cavidades subterráneas sobre el hundimiento de superficie basado en aprendizaje automático

GAO Yan ,  

WU Xiaodong ,  

TIAN Jiayi ,  

摘要

Para comprender las leyes del hundimiento del terreno causadas por actividades de ingeniería en cimentaciones que contienen cavidades kársticas subterráneas, este artículo utiliza simulación numérica por elementos finitos para analizar la respuesta del hundimiento de la superficie en cimentaciones con diferentes formas de cavidades bajo cargas. Se analizaron cuatro factores principales: la escala de desarrollo de las cavidades, la profundidad de enterramiento, la forma y la carga, y su influencia en el hundimiento superficial. El estudio muestra que a mayor escala de desarrollo de la cavidad, menor profundidad de enterramiento, menor coeficiente de forma y mayor carga, mayor es el hundimiento superficial. La curva de hundimiento tiene forma de campana y sigue una distribución gaussiana; el análisis por el método de correlación gris indica que la escala de desarrollo y la forma de la cavidad son altamente sensibles al valor máximo de hundimiento superficial, lo que demuestra que la forma geométrica de la cavidad influye significativamente en el hundimiento. Se entrenó una red neuronal profunda con las curvas de hundimiento obtenidas mediante el método de elementos finitos. El error entre los valores predichos y calculados es menor al 5%, por lo que las redes neuronales profundas pueden ser un método eficaz para predecir el hundimiento del terreno en cimentaciones con cavidades kársticas inducido por la construcción.

关键词

hundimiento superficial; cavidades subterráneas; método de correlación gris; aprendizaje automático; red neuronal profunda

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website