Prédiction de la portance d'un sol renforcé par géosynthétiques en utilisant I'Apprentissage Automatique

Abstract

Les projets de construction rencontrent des défis importants lorsqu’ils s’implantent sur des sols faibles comme les sables lâches, dont la faible capacité portante peut provoquer des tassements excessifs ou des instabilités structurelles. Le renforcement des sols par géosynthétiques s’impose comme une solution efficace pour améliorer cette capacité. Toutefois, évaluer précisément la capacité portante reste une tâche complexe en raison du comportement non linéaire des sols, surtout lorsqu’ils sont renforcés. Ce mémoire propose une approche combinant la méthode des éléments finis (à l’aide du logiciel PLAXIS 3D) et l’apprentissage automatique pour prédire de manière rapide et fiable la capacité portante des sols renforcés par géosynthétiques. Un total de 359 simulations numériques a été réalisé, couvrant un large éventail de configurations géométriques et géotechniques afin de constituer une base de données. Deux modèles d’intelligence artificielle ont été développés à partir de ces données : les réseaux de neurones artificiels (RNA) et la régression à vecteurs de support (SVR). Les résultats obtenus montrent une précision satisfaisante, avec une légère supériorité du modèle SVR. L’angle de frottement interne (φ) a été identifié comme le paramètre le plus influent sur la capacité portante. L’approche proposée constitue une alternative rapide, fiable et automatisée aux méthodes numériques classiques, grâce à l’implémentation d’un programme Python simple et accessible pour la prédiction de la capacité portante. تواجه مشاريع البناء تحديات كبيرة عند إقامتها على تربة ضعيفة مثل الرمال الفضفاضة، حيث يمكن أن تؤدي قدرتها التحميلية المنخفضة إلى هبوط مفرط أو عدم استقرار هيكلي. يُعتبر تعزيز التربة بواسطة المواد الجيولوجية حلاً فعالًا لتحسين هذه القدرة. ومع ذلك، فإن تقييم القدرة التحميلية بدقة لا يزال مهمة معقدة بسبب السلوك غير الخطي للتربة، خاصة عندما تكون معززة. يقترح هذا البحث نهجًا يجمع بين طريقة العناصر المحدودة (باستخدام برنامج PLAXIS 3D) والتعلم الآلي لتوقع القدرة التحميلية للتربة المعززة بالمواد الجيولوجية بسرعة وموثوقية. تم إجراء ما مجموعه 359 محاكاة رقمية، تغطي مجموعة واسعة من التكوينات الهندسية والجيوتقنية لتكوين قاعدة بيانات. تم تطوير نموذجين للذكاء الاصطناعي استنادًا إلى هذه البيانات. ...