論文の概要: A finite element-based machine learning model for hydro-mechanical analysis of swelling behavior in clay-sulfate rocks

• arxiv url: http://arxiv.org/abs/2502.05198v1
• Date: Wed, 29 Jan 2025 10:19:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-16 04:36:16.461166
• Title: A finite element-based machine learning model for hydro-mechanical analysis of swelling behavior in clay-sulfate rocks
• Title（参考訳）: 粘土硫酸塩岩の膨潤挙動の加水-機械的解析のための有限要素ベース機械学習モデル
• Authors: Reza Taherdangkoo, Mostafa Mollaali, Matthias Ehrhardt, Thomas Nagel, Lyesse Laloui, Alessio Ferrari, Christoph Butscher,
• Abstract要約: 粘土-硫酸塩岩の加水-機械的挙動、特に膨らみ特性は、地球工学において重要な課題である。 本研究では,これらの複雑な地質資料の膨潤挙動を予測・解析するために,ベイズ最適化アルゴリズムで調整したハイブリッド制約機械学習(ML)モデルを提案する。 本研究は, 粘土硫酸塩岩の膨潤挙動を予測するためのモデルの有効性を実証し, 被害地域のリスク評価と管理のための堅牢なツールを提供する。
• 参考スコア（独自算出の注目度）: 1.9489690270805868
• License:
• Abstract: The hydro-mechanical behavior of clay-sulfate rocks, especially their swelling properties, poses significant challenges in geotechnical engineering. This study presents a hybrid constrained machine learning (ML) model developed using the categorical boosting algorithm (CatBoost) tuned with a Bayesian optimization algorithm to predict and analyze the swelling behavior of these complex geological materials. Initially, a coupled hydro-mechanical model based on the Richards' equation coupled to a deformation process with linear kinematics implemented within the finite element framework OpenGeoSys was used to simulate the observed ground heave in Staufen, Germany, caused by water inflow into the clay-sulfate bearing Triassic Grabfeld Formation. A systematic parametric analysis using Gaussian distributions of key parameters, including Young's modulus, Poisson's ratio, maximum swelling pressure, permeability, and air entry pressure, was performed to construct a synthetic database. The ML model takes time, spatial coordinates, and these parameter values as inputs, while water saturation, porosity, and vertical displacement are outputs. In addition, penalty terms were incorporated into the CatBoost objective function to enforce physically meaningful predictions. Results show that the hybrid approach effectively captures the nonlinear and dynamic interactions that govern hydro-mechanical processes. The study demonstrates the ability of the model to predict the swelling behavior of clay-sulfate rocks, providing a robust tool for risk assessment and management in affected regions. The results highlight the potential of ML-driven models to address complex geotechnical challenges.
• Abstract（参考訳）: 粘土-硫酸塩岩の加水-機械的挙動、特に膨らみ特性は、地球工学において重要な課題となっている。 本研究では,ベイズ最適化アルゴリズムによって調整された分類的ブースティングアルゴリズム(CatBoost)を用いて,これらの複雑な地質材料の膨潤挙動を予測・解析するハイブリッド制約機械学習(ML)モデルを提案する。 当初は、リヒャルツ方程式に基づく結合力学モデルと有限要素フレームワーク内で実装された線形キネマティクスによる変形過程を結合して、ドイツ・シュタウフェンで観測された地盤のヒーブをシミュレートするために、トリアシック・グラブフェルト層を含む粘土-硫酸塩に水が流入したことにより生じた。 合成データベースを構築するために,ヤング率,ポアソン比,最大膨潤圧力,透水性,空気中圧などのキーパラメータのガウス分布を用いた系統的パラメトリック解析を行った。 MLモデルは、時間、空間座標およびこれらのパラメータ値を入力とし、水飽和度、ポロシティ、垂直変位を出力する。 さらに、身体的に意味のある予測を強制するために、罰則がCatBoostの目的関数に組み込まれた。 その結果,ハイブリットアプローチは,水力-機械的プロセスを管理する非線形および動的相互作用を効果的に捉えていることがわかった。 本研究は, 粘土硫酸塩岩の膨潤挙動を予測するためのモデルの有効性を実証し, 被害地域のリスク評価と管理のための堅牢なツールを提供する。 この結果は、複雑な地球工学的課題に対処するML駆動モデルの可能性を強調している。

関連論文リスト

• Developing an Explainable Artificial Intelligent (XAI) Model for Predicting Pile Driving Vibrations in Bangkok's Subsoil [0.0]
  本研究では,バンコク軟質土質土中における杭の振動を予測するための説明可能な人工知能(XAI)モデルを提案する。 深層ニューラルネットワークは1018個の実世界の杭駆動のデータセットを用いて開発された。 このモデルは0.276の平均絶対誤差(MAE)を達成し、従来の経験的手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-09-08T10:13:35Z)
• Physics-guided weak-form discovery of reduced-order models for trapped ultracold hydrodynamics [0.0]
  極性分子の高衝突・超低温・非退化ガスの緩和について検討した。 気体は流体ガスと流体ガスが結合し、一階の流体力学が崩壊する。 我々は,これらの観測値に対して,大幅に改良された低次モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-11T17:50:04Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Combined mechanistic and machine learning method for construction of oil reservoir permeability map consistent with well test measurements [0.0]
  ナダラヤ・ワトソン核の回帰は、岩石透過性の二次元空間分布を近似するために用いられる。 構築された透水性マップは,元のマップと流体力学的に類似していることが示される。
  論文  参考訳（メタデータ） (2022-12-20T10:43:13Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
  本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。 産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
  論文  参考訳（メタデータ） (2022-06-15T17:29:57Z)
• Attention U-Net as a surrogate model for groundwater prediction [13.029731605492252]
  本研究では,地下水系の応答を計算するための代理モデルとして,物理に基づく畳み込みエンコーダ・デコーダニューラルネットワークを提案する。 クロスドメインマッピングにおいて強い確約を持つエンコーダ・デコーダネットワークは、物理システムの複雑な入出力マッピングの学習に適用可能である。
  論文  参考訳（メタデータ） (2022-04-09T17:46:24Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Constraining subglacial processes from surface velocity observations using surrogate-based Bayesian inference [0.0]
  基底運動は、南極の外での氷の流束の主要なメカニズムであるが、それを予測するための広く適用可能なモデルである。 これは、小規模のベッド特性の観察と、基底運動が依存する時間変化水圧の予測の両方が困難であるためである。 我々は、グリーンランド南西部の表面速度の観測に基づく氷力学と氷下水理の結合モデルと条件付けにより、これらの問題にベイズ的アプローチを採っている。
  論文  参考訳（メタデータ） (2020-06-22T16:47:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。