Machine learning-based generative design and verification of construction pits

Autorin: Liliana Florez Hernandez
Sprache: Englisch

Kurzfassung

Aufgrund der vielen unterschiedlichen Randbedingungen, die beim Entwurf einer Baugrube zu berücksichtigen sind, kann die Bemessung des optimalen Verbausystems ein langwieriger und iterativer Prozess sein. Der Einsatz intelligenter Algorithmen für dieses Problem verspricht somit massive Effizienzsteigerungs- und Konsteneinsparungspotentiale.

Das Ziel dieser Masterarbeit ist es, einen maschinellen Lernalgorithmus für den generativen Entwurf einer Baugrube zu implementieren und zu trainieren. Da nicht viele Bemessungsdaten realer Bauprojekte in Form von Datenbanken zur Verfügung stehen, wurde ein Datensatz als Input zum Trainieren des maschinellen Lernalgorithmus mit der kommerziellen Software WALLS-Verbau von FIDES DV-Partner erzeugt.

Untersucht wurde der Fall einer eingebetteten Wand mit zwei Bodenschichten und einem abgesenkten Grundwasserspiegel innerhalb der Baugrube. Bezüglich der Verbausysteme wurden verschiedene Profile von Spundwänden analysiert.

Die Bandbreite der Eingangsparameter (wie Bodenparameter und geometrische Eigenschaften) wurde durch die Analyse bestehender Baugrubenprojekte praxisnah ermittelt. Insgesamt wurden etwa 3.000 verschiedene Kombinationen von Eingabeparametern generiert. Aus jeder dieser Eingaben berechnete WALLS-Verbau die Verteilung der Wandverformung, die Biegemomente und die erforderliche Wandlänge. Mit dem Datensatz der berechneten Simulationen konnte mithilfe des effizienten Algorithmus XGBoost eine schnelle und genaue Vorhersage für die Ausgangsparameter von WALLS-Verbau treffen.

In einem letzten Schritt wurde eine graphische Benutzeroberfläche (GUI) programmiert, um die Benutzerfreundlichkeit des Programms zu verbessern.