AI for effektive geotekniske grunnundersøkelser

august 22nd, 2019 22. august 2019

Ved den 17. ECSMGE (European Conference on Soil Mechanics and Geotechnical Engineering) i Reykjavik, Island, gir vi innsikt i hvordan smarte grunnundersøkelser fungerer, basert på integrering av geotekniske og geofysiske data ved hjelp av maskinlæring.

Å vurdere geologisk risiko er en betydelig del av planleggingen. Imidlertid er denne risikoen vanskelig å kontrollere gitt de høye kostnadene ved detaljerte grunnundersøkelser hvor tradisjonelle tilnærminger brukes, nemlig geotekniske boringer.

Kostnadsoverskridelser og forsinkelser i infrastrukturprosjekter er vedvarende utfordringer for ingeniører og prosjekteiere. Rapporterte gjennomsnittlige kostnadsoverskridelser fra 20 til 50 % for lineær infrastruktur er typisk.

Helikopter-geoskanning i Midt-Norge for Nye Veier AS i forbindelse med planlegging av ny motorvei.


Verdifulle modeller

Luftbåren geoskanning er en teknologi som i økende grad blir brukt for å redusere geologisk usikkerhet. EMerald Geomodelling har med suksess gjort om komplekse geofysiske modeller til parametere som er verdifulle for ingeniører ved bruk av kunstige nevrale nettverk.

I artikkelen, Large scale, efficient geotechnical soil investigations applying machine learning on airborne geophysical modes, illustrerer forfatterne anvendbarheten av luftbårne geoskanningsundersøkelser til å kunne beregne dybde til berg eller løsmassetykkelse.

– Vi hadde svært varierende dybde til berg og utfordrende grunnforhold, og mange vanskelige designvalg, inkludert både linjevalg og om vi skulle gå i tunnel eller legge veien på bakken. Å ha en geoskanningsbasert berggrunnsmodell tidlig i prosjektfasen hjalp oss med prioriteringen av grunnundersøkelser og med å begrense alternativene for veidesign mye mer effektivt, sier Sigbjørn Rønning, senioringeniør ved Norges Geotekniske Institutt.

Kostnadsbesparelser

Nøkkelen til gode resultater er tett integrasjon av nøyaktige geofysiske modeller og sparsomme geotekniske data. Dette resulterer i modeller som gir dybde til berg med usikkerhet på noen få meter eller 20 – 30% av sedimenttykkelsen.

Modellert dybde til berg basert på geoskanning kombinert med 3, 25 og mer enn 1000 boringer.

EMerald Geomodelling har testet ytelsen til nevrale nettverk både på datasimulerte testdata så vel som på vei- og jernbaneprosjekter med omfattende valideringsdata. Å studere nøyaktigheten til berggrunnsmodeller basert på en håndfull til over tusen boringer viste den oppnåelige nøyaktigheten og mulige kostnadsbesparelser i planleggingsfasen i infrastrukturprosjekter.

– Ved hjelp av den integrerte berggrunnsmodellen helt i begynnelsen av prosjektet vårt, utelot vi omtrent 200 av de opprinnelig planlagte 600 boringene, sier Rønning og viser til et veibyggingsprosjekt fra 2019 i Norge.

Ønsket nøyaktighet, som avhenger av prosjektfasen, styrer innsparingspotensialet. En kostnadsreduksjon for boringer på 20% til 50% er typisk og kommer i tillegg til tidsbesparelser.