An efficient physics-guided Bayesian framework for predicting ground settlement profile during excavations in clay

结算(财务) 发掘 贝叶斯概率 有限元法 贝叶斯推理 领域(数学) 岩土工程 工程类 计算机科学 机器学习 人工智能 结构工程 数学 万维网 付款 纯数学
作者
Cong Tang,Shu‐Yu He,Wan‐Huan Zhou
出处
期刊:Journal of rock mechanics and geotechnical engineering [Elsevier]
卷期号:16 (4): 1411-1424 被引量:2
标识
DOI:10.1016/j.jrmge.2023.10.012
摘要

Recently, the application of Bayesian updating to predict excavation-induced deformation has proven successful and improved prediction accuracy significantly. However, updating the ground settlement profile, which is crucial for determining potential damage to nearby infrastructures, has received limited attention. To address this, this paper proposes a physics-guided simplified model combined with a Bayesian updating framework to accurately predict the ground settlement profile. The advantage of this model is that it eliminates the need for complex finite element modeling and makes the updating framework user-friendly. Furthermore, the model is physically interpretable, which can provide valuable references for construction adjustments. The effectiveness of the proposed method is demonstrated through two field case studies, showing that it can yield satisfactory predictions for the settlement profile.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
8R60d8应助chen采纳,获得10
1秒前
yyang关注了科研通微信公众号
2秒前
打打应助陳新儒采纳,获得10
3秒前
Lucas应助杨哈哈采纳,获得10
3秒前
qq发布了新的文献求助10
3秒前
shiyousheng完成签到,获得积分10
3秒前
李健应助绝味大姨采纳,获得10
4秒前
4秒前
Akim应助苦思力采纳,获得10
6秒前
付创发布了新的文献求助10
7秒前
李锐完成签到,获得积分10
7秒前
老10发布了新的文献求助20
8秒前
小刘小刘发布了新的文献求助10
9秒前
10秒前
soo完成签到,获得积分20
12秒前
13秒前
希望天下0贩的0应助kk采纳,获得10
13秒前
soo发布了新的文献求助10
14秒前
16秒前
暮秋完成签到 ,获得积分10
16秒前
夕夜发布了新的文献求助10
17秒前
zero完成签到 ,获得积分10
17秒前
20秒前
yyang发布了新的文献求助10
21秒前
21秒前
22秒前
wanci应助shiyousheng采纳,获得10
22秒前
乐乐应助soo采纳,获得10
22秒前
24秒前
24秒前
25秒前
kk发布了新的文献求助10
25秒前
26秒前
老10完成签到,获得积分10
27秒前
27秒前
陈博士完成签到,获得积分10
27秒前
项听蓉发布了新的文献求助10
28秒前
汉堡包应助高高凡采纳,获得10
29秒前
wyp应助小刘小刘采纳,获得30
29秒前
29秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3314052
求助须知:如何正确求助?哪些是违规求助? 2946471
关于积分的说明 8530176
捐赠科研通 2622111
什么是DOI,文献DOI怎么找? 1434341
科研通“疑难数据库(出版商)”最低求助积分说明 665205
邀请新用户注册赠送积分活动 650804