Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

חיזוי מקדם הבטיחות לשוברי דרך גבוהים באמצעות יער אקראי עם השפעות מעורבות ואופטימיזציית מושבת דבורים

· חזרה לאינדקס

מדוע חשובה יציבותם של שוברי דרך

כשאתה נוסע על כביש בנוי על תלי אדמה גבוהים, אתה נותן אמון בכך שהגבעה המעובדת הזו לא תקרוס בפתאומיות. בטיחותם של שוברי דרך גבוהים נשפטת באמצעות מספר שנקרא "מקדם הבטיחות", שמשווה בין הכוחות שמשמרים את הקרקע לבין הכוחות שמנסים לגרום לה להחליק. באופן מסורתי מהנדסים הסתמכו על חישובים ידניים או סימולציות ממוחשבות כבדות כדי להעריך את מקדם זה. המחקר הזה מראה כיצד כלי למידת מכונה מודרניים יכולים להאיץ ולשפר את התחזיות הללו, ובכך להפחית את הסיכון לכישלונות שיפוע קטסטרופליים המאיימים על אנשים, רכוש ורשתות תחבורה.

בניית אלפי שוברי דרך וירטואליים

כדי לאמן ולבחון את המודלים שלהם, החוקרים ייצרו תחילה מאגר נתונים גדול וריאלי באמצעות סימולציות נumerיות מתקדמות במקום להסתמך רק על מעקבי מקרים מעשיים מעטים. הם ממדו שוברי דרך בגובה שבין 6 ל-30 מטרים עם צורות שיפוע מגוונות, כולל עיצובים מדורגים המשתמשים במדרגות אופקיות (ברמיים) לשיפור היציבות. הם שינו תכונות קרקע מרכזיות — כגון צפיפות הקרקע, תכולת המים, קושי (נוקשות), זווית החיכוך הפנימית והתמדה (שימור) — יחד עם חוזק קרקע היסוד מתחת לשובר. עבור כל אחד מ-1,176 התרחישים, תוכנית רכיבי סופי חישבה את מקדם הבטיחות וחיפשה את פני החלקה הסבירים ביותר, וסיפקה "אמת-יסוד" מהימנה אל מול אשר ניתן היה לשפוט את תחזיות למידת המכונה.

Figure 1
Figure 1.

מדגמים קלאסיים אל יערות חכמים

הקבוצה השוותה לאחר מכן בין שלושה סוגי מודלים מבוססי נתונים. הראשון היה שיטת ה-Random Forest המוכרת, המאגדת עצי החלטה רבים ליצירת תחזיות מוצקות. השני, שנקרא Mixed Effects Random Forest, מרחיב רעיון זה על ידי התחשבות מפורשת בנתונים מקובצים או "מוגרדים" — בדיוק המצב בעבודה גיאוטכנית, שבה קבוצות מדידות יכולות להגיע מאותו אתר, סוג קרקע או שלב בנייה. לבסוף הציגו גישה היברידית חדשה: Mixed Effects Random Forest מותאמת באמצעות אלגוריתם אופטימיזציה בהשראת מושבת דבורים (ABC-MERF). כאן, אלגוריתם חיפוש המחקה את אופן חיפוש המזון של דבורים מכוון אוטומטית את הגדרות רבות של היער המעורב כדי להשיג ביצועים טובים יותר ללא ניחושים של נסיונות וטעויות על ידי המהנדס.

ניקוי הנתונים ובדיקת התחזיות

לפני אימון המודלים, החוקרים הכינו את הנתונים בקפידה. הם זיהו חריגים קיצוניים באמצעות שיטת תיבת-העל (box-plot) סטנדרטית והגבילו אותם לגבולות סבירים כדי שערכים נדירים וחריגים לא יעוותו את תהליך הלמידה. כל הקלטים נורמלו לאחר מכן לטווח בין 0 ל-1, מה שמתאים לאופטימייזר בהשראת הדבורים ושומר על השוואתיות בין המשתנים. הנתונים חולקו למערכי אימון ובדיקה, ופורוטוקול הערכה מחמיר השתמש במספר מדדי שגיאה, כולל עד כמה התחזיות תואמות את מקדמי הבטיחות המדומים וכמה מהשונות בנתונים המודלים יכולים להסביר. בדיקות נוספות, כגון תרשימי שאריות ומבחנים סטטיסטיים, שימשו לאימות שהמודלים אינם רק זוכרים את נתוני האימון אלא אכן לומדים את הדפוסים הבסיסיים.

Figure 2
Figure 2.

מה למדו המודלים על קרקעות ושיפועים

כל שלוש הגישות הציגו ביצועים מרשימים, אך מודל ה-ABC-MERF עמד בראש. הוא הסביר מעל 99 אחוז מהשונות במקדם הבטיחות ושמר על שגיאות תחזית טיפוסיות של כ-%2 מתוך טווח הבטיחות. לא פחות חשוב, התנהגות המודל הייתה בעלת היגיון פיזי. ניתוחי חשיבות התכונות ובעקומות תגובה הראו כי זווית החיכוך הפנימית של קרקע השובר וגובה השובר היו הגורמים המשפיעים ביותר, ואחריהם שיפוע הנטייה, הקוהזיה והשימוש בברמים. זוויות חיכוך גבוהות יותר וקוהזיה גדולה יותר הגדילו את היציבות, בעוד שוברי דרך גבוהים יותר ושיפועים תלולים יותר הפחיתו אותה — בדיוק מה שמנבא מכניקת הקרקעות הבסיסית. ההסכמה הזו בין תוצאות מונחות-נתונים לתיאוריה ההנדסית חיונית כדי ששמאים ומהנדסים יבטחו בכלי למידת מכונה בתחומי תכנון הרגישים לבטיחות.

מכלי מחקר לעוזר הנדסי

המחקר מסכם כי היבריד מתוכנן בקפידה של יערות אקראיים עם השפעות מעורבות ואופטימיזציה בהשראת דבורים יכול לספק תחזיות מדויקות ובעלות משמעות פיזיקלית של מקדם הבטיחות לשוברי דרך גבוהים. לקורא שאינו מומחה, המסר המרכזי הוא שהמהנדסים יכולים כעת לשלב בדיקות וירטואליות מפורטות עם למידת מכונה מתקדמת כדי לבחון במהירות אופציות תכנוניות רבות ולהצביע על תצורות מסוכנות לפני בנייתן. אף שדגמים כאלה אינם מחליפים שיקול דעת מומחה או חקירות אתר-ספציפיות — במיוחד במקרה רעידות אדמה או גשמים חזקים — הם מציעים כלי חזק לתמיכה בהחלטה שיעזור לשמור על יציבות ובטיחות שוברי הדרך שמתחת לכבישים שלנו לאורך חיי השירות הארוכים שלהם.

ציטוט: Boufarh, R., Boursas, F., Bakri, M. et al. Factor of safety prediction for high road embankments using mixed effects random forest and bee colony optimization. Sci Rep 16, 6003 (2026). https://doi.org/10.1038/s41598-026-35431-7

מילות מפתח: יציבות שיפועים, שוברי דרך, מקדם בטיחות, למידת מכונה, הנדסה גיאוטכנית