Datadriven optimering och prediktion av pressuremetermodul med responsytemetodik för smartare geoteknisk projektering

Varför smartare jordprovtagning spelar roll

Innan någon byggnad, bro eller väg uppförs måste ingenjörer veta hur kraftigt marken kommer att ge efter när den belastas. Om detta underskattas kan grundläggningar sätta sig eller haverera; om det överskattas blir projekten onödigt dyra. Denna artikel undersöker ett modernt, datadrivet sätt att förutsäga hur styv marken är, med hjälp av ett fältprov kallat pressuremeterprov och statistiska verktyg som utvinner betydligt mer insikt ur ett begränsat antal mätningar.

Mäta hur marken ”återfjädrar”

I fält sänker ingenjörer ofta ner en cylindrisk sond i ett smalt borrhål och blåser den långsamt upp mot omkringliggande jord. Genom att registrera hur mycket sondens volym ökar för en given tryckökning kan de beräkna pressuremetermodulen, Ep, ett mått på jordens styvhet. Ep påverkar i hög grad hur mycket grundläggningar kommer att komprimeras vid belastning. Traditionella metoder för att uppskatta Ep bygger antingen på enkla formler eller många upprepade provningar, vilket kan vara kostsamt, tidskrävande och osäkert. Författarna ställer frågan om ett omsorgsfullt utformat provningsprogram, kombinerat med modern statistik, kan förutsäga Ep mer exakt samtidigt som fältinsatsen minskas.

Färre prov men smartare utformade

Studien fokuserar på fyra jordegenskaper som är kända för att påverka markstyvheten: hur djupt provet utförs, hur kohesiv jorden är (kohesion), hur väl partikelkontakterna motstår att glida förbi varandra (intern friktionsvinkel) och hur tung jorden är per volymenhet (enhetstäthet). Istället för att testa varje möjlig kombination använder forskarna en metod kallad responsytemetodik. De utformar 35 riktade provfall som systematiskt varierar dessa fyra egenskaper över realistiska intervall. Med denna design spelar varje provning en dubbel roll: det ger ett direkt värde på Ep och, tillsammans med övriga, bidrar det till att kartlägga hur Ep förändras över hela villkorsområdet.

Hitta mönster i ett fyrdimensionellt landskap

Utifrån de 35 provningarna bygger författarna en matematisk yta som kopplar de fyra indataegenskaperna till Ep. De kontrollerar sedan hur väl denna yta överensstämmer med mätningarna med standardstatistiska uppföljningar. Modellen förklarar ungefär 96,5 % av den observerade variationen i Ep, vilket innebär att de förutsagda värdena ligger nära fältresultaten. Analysen visar att två faktorer—kohesion och enhetstäthet—dominerar beteendet: jordar som är mer kohesiva och tätare tenderar att vara avsevärt styvare. Friktionsvinkeln spelar också roll, men i mindre grad, medan provdjupet inom det studerade intervallet bara har en måttlig direkt effekt. Teamet identifierar också viktiga samverkande effekter, till exempel hur enhetstätheten i kombination med kohesion eller friktionsvinkel kan kraftigt öka eller minska Ep, vilket visar att dessa egenskaper inte verkar isolerat.

Jakt på de bästa jordförhållandena

För att omsätta denna förståelse i praktisk vägledning använder forskarna en optimeringsteknik känd som önskvärdhetsfunktion. Enkelt uttryckt ber de datorn att ”söka” inom realistiska jordförhållanden efter kombinationer som maximerar Ep samtidigt som tekniska begränsningar respekteras. Resultatet är inte bara en perfekt punkt utan en vid zon av fördelaktiga kombinationer där Ep är hög och modellens prognoser är tillförlitliga. Det är lugnande för tillämpning: det innebär att små variationer i fältförhållanden fortfarande ger god markprestanda, och ingenjörer har flexibilitet att välja grunddjup eller acceptera en viss mängd jordförbättring för att nå säkra styvhetsnivåer.

Vad detta betyder för verkliga grundläggningar

För icke-specialister är huvudbudskapet att vi nu kan få mer pålitlig information om hur marken kommer att bete sig under en byggnad utan att dramatiskt öka tid eller kostnad. Genom att kombinera ett väletablerat fältprov med smart experimentplanering och statistisk modellering visar detta arbete hur man kan förutsäga jordstyvhet utifrån ett relativt litet datamaterial och belysa vilka jordegenskaper som har störst betydelse. I praktiken innebär det säkrare grundläggningar, bättre riktade undersökningar och minskad osäkerhet, särskilt i projekt där fullskaliga provningar eller stora datainsamlingar inte är genomförbara.

Citering: Boukhatem, G., Bencheikh, M., Bekkouche, S.R. et al. Data-driven optimization and pressuremeter modulus prediction using response surface methodology for smarter geotechnical design. Sci Rep 16, 5679 (2026). https://doi.org/10.1038/s41598-026-36262-2

Nyckelord: jordstyvhet, grundläggningskonstruktion, pressuremeterprov, statistisk modellering, geoteknisk optimering