Modèles d’intelligence artificielle avancés pour la prédiction de la portance des fondations superficielles sur sol renforcé

Abstract

L’étude du comportement des fondations superficielles reposant sur des sols de faible résistance constitue un enjeu important en géotechnique en raison des tassements susceptibles d’affecter la stabilité des ouvrages. Parmi les solutions d’amélioration, le renforcement par géogrilles représente une technique efficace permettant d’améliorer les performances mécaniques du sol et de réduire les déformations. Ce travail vise à développer un modèle intelligent capable de prédire le comportement des fondations superficielles reposant sur un sol renforcé par géogrilles, en combinant la modélisation numérique sous PLAXIS 3D et les techniques d’apprentissage automatique. À cet effet, une base de données composée de 1000 simulations numériques a été générée en faisant varier plusieurs paramètres géométriques, géotechniques et mécaniques. Deux modèles d’intelligence artificielle ont été développés : le Réseau de Neurones Artificiels (ANN) et l’algorithme Random Forest (RF). Les résultats obtenus montrent une excellente capacité prédictive des deux modèles, avec une supériorité du modèle ANN en termes de précision et de capacité de généralisation. L’analyse de sensibilité a également révélé que la charge appliquée et l’angle de frottement interne du sol figurent parmi les paramètres les plus influents sur la réponse du système étudié. L’approche proposée constitue ainsi un outil rapide, fiable et performant pouvant servir d’alternative aux simulations numériques conventionnelles. تُعد دراسة سلوك الأساسات السطحية المرتكزة على تربة ضعيفة المقاومة تحدياً هاماً في مجال الهندسة الجيوتقنية، نظراً لاحتمالية حدوث هبوط قد يؤثر على استقرار المنشآت. ومن بين حلول التحسين، يمثل التدعيم باستخدام الشبكات الجغرافية (الجيوجريد - Geogrids) تقنية فعالة تتيح تحسين الخصائص الميكانيكية للتربة والحد من التشوهات. يهدف هذا العمل إلى تطوير نموذج ذكي قادر على التنبؤ بسلوك الأساسات السطحية المرتكزة على تربة مدعمة بالشبكات الجغرافية، وذلك من خلال الجمع بين النمذجة العددية باستخدام برنامج PLAXIS 3D وتقنيات التعلم الآلي. ولهذا الغرض، تم إنشاء قاعدة بيانات تضم 1000 محاكاة عددية مع تغيير العديد من المعايير الهندسية والجيوتقنية والميكانيكية. تم تطوير نموذجين للذكاء الاصطناعي: الشبكات العصبية الاصطناعية (ANN) وخوارزمية الغابة العشوائية (Random Forest - RF). وأظهرت النتائج المحصلة قدرة تنبؤية ممتازة لكلا النموذجين، مع تفوق نموذج الشبكات العصبية الاصطناعية (ANN) من حيث الدقة والقدرة على التعميم. كما كشف تحليل الحساسية أن الحمل المطبق وزاوية الاحتكاك الداخلي للتربة يُعدان من أكثر العوامل تأثيراً على استجابة النظام المدروس. وبذلك، يشكل النهج المقترح أداة سريعة وموثوقة وعالية الكفاءة يمكن أن تكون بديلاً للمحاكاة العددية التقليدية.