Simulation durch künstliche neuronale Netze in der Geotechnik. Dieser Artikel ist nicht verfügbar.Simulation durch künstliche neuronale Netze in der Geotechnik

Mit der rasanten technologischen und industriellen Entwicklung, die die Welt erlebt hat, insbesondere in der Bautechnologie mit riesigen Ölplattformen in den Tiefen des Ozeans oder der Wüste, ist es wichtig, dass das Bauwerk eine tragende Funktion hat. Dies erfordert ein geeignetes Tragsystem, das in der Lage ist, die Kräfte von einer Ebene auf die andere zu verteilen, bis sie am Fuß der Struktur, dem Fundament, ankommen. Die wichtige Rolle der Tiefenfundamente bei der Übertragung von Lasten aus dem Oberbau in die tiefen tragenden Bodenschichten hat dazu geführt, dass empirische und halb-empirische Methoden für den Entwurf eines Pfahls in Bezug auf seine axiale Tragfähigkeit verwendet werden. Alternativ dazu wurden in jüngster Zeit künstliche neuronale Netze (KNN) verwendet, um die ultimative Pfahlkapazität auf der Grundlage von In-situ-Tests vorherzusagen. In jüngster Zeit haben mehrere Forscher den Ansatz der künstlichen neuronalen Netze RNAs erfolgreich für die Entwicklung integrierter Modelle in Verbindung mit anderen probabilistischen und evolutionären Methoden eingesetzt.

Amal Benali es Doctora en Ingeniería Civil por la Universidad Houari Boumediene de Argel (Argelia). Obtuvo el Magister y el Ingéniorat en ingeniería civil en 2000 y 1998, respectivamente. También es profesora en la Universidad de Khemis Milana. Como directora del departamento de ingeniería civil, ha contribuido a la apertura de varias especialidades.