Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Geotechnical Resilience through Intelligent Design

Opis projektu

Rozwijanie inżynierii geotechnicznej dzięki uczeniu maszynowemu

Inżynieria geotechniczna staje wobec poważnych wyzwań związanych ze zmianą klimatu i koniecznością stosowania zrównoważonych praktyk budowlanych. Inżynierowie muszą pracować z gruntami, które różnią się znacznie pod względem właściwości, co sprawia, że budowa jest trudna i często nieprzewidywalna. Tradycyjne metody wznoszenia bezpiecznych i wydajnych konstrukcji są czasochłonne i pochłaniają duże ilości materiałów, zwłaszcza betonu, który ma duży ślad węglowy. Jako że rośnie zapotrzebowanie na infrastrukturę, potrzebne są nowe metody, aby budownictwo stało się bardziej efektywne i przyjazne dla środowiska. W odpowiedzi finansowany przez UE projekt GRID zakłada wprowadzenie uczenia maszynowego do inżynierii geotechnicznej. Ulepszając obliczenia, uwzględniając zmienność gruntów i optymalizując projekty, zespół GRID dąży do zmniejszenia zużycia materiałów, obniżenia emisji oraz stara się uczynić budownictwo bezpieczniejszym i bardziej odpornym.

Cel

Our proposed research initiative seeks to propel machine learning into the forefront of geotechnical engineering, with a vision to address critical challenges and revolutionise the field for the betterment of society. The overarching goals of our project align with the need to confront uncertainty, combat climate change through zero carbon emission strategies, address soil parameter heterogeneity, expedite finite element (FE) calculations e.g. for reliability analyses, and enhance design efficiency to reduce material consumption, particularly in the context of concrete. By undertaking this multidimensional approach, our research aims not only to apply machine learning in geotechnical engineering but to fundamentally transform the field, ushering in a new era of efficiency, sustainability and resilience. Through collaboration and innovation, we aspire to make machine learning an integral and indispensable tool for addressing the complex challenges faced by geotechnical practitioners in the 21st century.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff Exchanges

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2023-SE-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITAET FUER BODENKULTUR WIEN
Wkład UE netto
€ 138 000,00
Koszt całkowity
Brak danych

Uczestnicy (11)

Partnerzy (7)