Geotechnical Resilience through Intelligent Design

Informations projet

GRID

N° de convention de subvention: 101182689

DOI

10.3030/101182689

Date de signature de la CE 4 Octobre 2024

Date de début 1 Novembre 2024

Date de fin 31 Octobre 2028

Financé au titre de

• Marie Skłodowska-Curie Actions (MSCA)

Coût total

Aucune donnée

Contribution de l’UE

€ 1 242 000,00

Coordonné par

UNIVERSITAET FUER BODENKULTUR WIEN
Austria

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Livrables

Data sets, microdata, etc (1)

Repository of bechmark monitoring and testing data sets

Digital repository of standardised benchmark geotechnical monitoring and testing data sets for ML model development and calibration with description of the development and application of innovative geotechnical monitoring technologies for big data acquisition

Documents, reports (1)

Guideline for integration of ML in geotechnical engineering

Guideline for the application and integration of ML in geotechnical engineering projects

Data Management Plan (1)

Data Management Plan

Publications

Conference proceedings (4)

Machine learning predictions on an extensive geotechnical dataset of laboratory tests in Austria

Auteurs: Enrico Soranzo
Éditeur: Research Publishing, Singapore
DOI: 10.3850/GRF-25280825_ISGSR-166-P377-CD

MACHINE LEARNING PREDICTION OF SOIL PARTICLE SIZE DISTRIBUTION FROM SMARTPHONE IMAGES

Auteurs: Enrico Soranzo
Éditeur: FOMLIG2025

AI-assisted student grading system in geotechnics

Auteurs: Soranzo, E.
Éditeur: ÖGG, Austrian Society for Geomechanics
DOI: 10.53243/ICSMGE2026-809

An Adaptive Physics-informed Deep Operator Neural Network for 1-D Unsaturated Infiltration Model Coupled with Soil Deformation

Auteurs: Biao Yuan, Xiaohui Chen
Éditeur: Research Publishing, Singapore
DOI: 10.3850/GRF-25280825_ISGSR-081-P054-CD

Other (1)

Predicting Soil Grain Size Distributions from Images

Auteurs: Lukas Leibold, Enrico Soranzo
Publié dans: Kaggle
Éditeur: Kaggle

Peer reviewed articles (7)

Revisiting strain localization from the view of structured inhomogeneity

Auteurs: Zhihui Wang, Roberto Cudmani
Publié dans: Computers and Geotechnics, Numéro 190, 2025, ISSN 0266-352X
Éditeur: Elsevier BV
DOI: 10.1016/J.COMPGEO.2025.107694

Predictive modeling of pore pressure build-up in vibratory pile driving through machine learning

Auteurs: Sepideh Fadaei, Amir Hamidi, Enrico Soranzo
Publié dans: Geoscience Frontiers, 2025, ISSN 1674-9871
Éditeur: Elsevier BV
DOI: 10.1016/J.GSF.2025.102209

Large language models for automated grading in geotechnics

Auteurs: Enrico Soranzo
Publié dans: Machine Learning and Data Science in Geotechnics, 2025, ISSN 3029-0414
Éditeur: Emerald
DOI: 10.1108/MLAG-01-2025-0001

Comprehensive Dataset of Dynamic Probing Heavy Test Results for Subsurface Characterization

Auteurs: E. Soranzo
Publié dans: Data in Brief, 2025, ISSN 2352-3409
Éditeur: Elsevier BV
DOI: 10.1016/j.dib.2025.111391

Convolutional neural network prediction of the particle size distribution of soil from close-range images

Auteurs: Enrico Soranzo, Carlotta Guardiani, Wei Wu
Publié dans: Soils and Foundations, Numéro 65, 2025, ISSN 0038-0806
Éditeur: Elsevier BV
DOI: 10.1016/j.sandf.2025.101575

Soil improvement with laponite: effects on soil-structure interaction in liquefiable sands

Auteurs: Jinghua Zhang, Zhihua Yang, Emilio Bilotta, Lucia Mele, Qing Sun, Haitao Yu, Yong Yuan
Publié dans: Computers and Geotechnics, Numéro 185, 2025, ISSN 0266-352X
Éditeur: Elsevier BV
DOI: 10.1016/J.COMPGEO.2025.107360

Dataset of close-range soil images of soils and corresponding particle size distributions

Auteurs: E. Soranzo
Publié dans: Data in Brief, 2025, ISSN 2352-3409
Éditeur: Elsevier BV
DOI: 10.1016/J.DIB.2025.111631