Potentials and limitations of using artificial intelligence to predict grouting parameters – Results of a case study in a tunnel project in Scandinavia. Issue 5 (4th October 2022)

• Record Type: Journal Article
• Authors: Thienert, Christian; Ouschan †, Michael; Wenighofer, Robert; Könemann, Frank; Klaproth, Christoph; Gabriel, Patrick; Villeneuve, Marlene; Pechhacker, Robert
• Is Part Of: Geomechanik und Tunnelbau. Volume 15:Issue 5(2022)
• Page Start: 525
• Page End: 534
• Publication Date: 2022-10-04
• Subjects: grouting -- tunnel construction -- pressure‐volume record -- artificial intelligence -- artificial neural networks -- construction contract; Injektionen -- Tunnelbau -- Druck‐Mengen‐Schrieb -- Künstlicher Intelligenz -- Künstliche Neuronale Netze -- Bauvertrag; Grouting -- Conventional tunneling; Injektionen -- Konventioneller Vortrieb; Engineering geology -- Periodicals; Soil mechanics -- Periodicals; Rock mechanics -- Periodicals; Tunneling -- Periodicals; 624.151
• DOI: 10.1002/geot.202200050
• Languages: English
• ISSNs: 1865-7362

Abstract

Abstract: Für Ausführung, Dokumentation und Abrechnung von Injektionsarbeiten im Festgestein haben die sogenannten Druck‐Mengen‐Schriebe eine große Bedeutung. Hierfür stehen mittlerweile spezielle digitale Datenmanagementsysteme zur Verfügung, welche die Daten derart strukturiert und konsistent bereitstellen können, dass diese auch für Ansätze von Künstlicher Intelligenz (KI) nutzbar werden. Der vorliegende Beitrag zeigt anhand von Datensätzen eines Tunnelprojekts in Skandinavien, dass mittels Künstlicher Neuronaler Netze eine unter baustellenpraktischen Gesichtspunkten zuverlässige Prognose des weiteren Verlaufs von Druck‐Mengen‐Schrieben bzw. des am Ende verpressten Injektionsgutvolumens möglich ist. Vor dem Hintergrund der grundsätzlich möglichen technischen Realisierbarkeit von KI im Zuge von Injektionsarbeiten beim Tunnelbau wird anschließend aufgezeigt, welche bauvertraglichen Anpassungen erforderlich wären, um entsprechende Entwicklungen auch tatsächlich nutzen zu können. Abstract: Great importance is attached to 'pressure‐volume records' for the execution, documentation and billing of rock grouting. In this context, special digital data management systems are now available which can provide data in a structured and consistent format that is also suitable for artificial intelligence (AI) approaches. Using datasets from a tunnel project in Scandinavia, this paper shows that artificial neural networks can be used to reliably predict the evolution of pressure‐volume records or the volume of grout injected at the end in the interests of construction site efficiency. Taking into account the technical feasibility of using AI to support tunnel grouting, we then show which contractual modifications would be required in order to make effective use of corresponding developments.