![Riss in der Hauswand eines Gebäudes in Staufen](/sites/default/files/styles/max_325x325/public/2024-07/20230318_174456.jpg?itok=lXHvge1s)
Das Quellen von Ton-Sulfat-Gestein stellt eine große Gefahr bei geotechnischen Projekten wie Tunnelbau und Geothermiebohrungen dar. Um geeignete Gegenmaßnahmen zu planen, müssen die zugrundeliegenden hydro-mechanisch-chemischen (HMC) Prozesse verstanden werden. Diese Prozesse können durch gekoppelte partielle Differentialgleichungen (PDEs) beschrieben werden, deren numerische Lösung oft mit der Finite-Elemente-Methode (FEM) erfolgt. Allerdings weist FEM einige Mängel auf, z.B. Abhängigkeit von Netzqualität und Diskretisierungsmethode.
Physikinformierte neuronale Netze (PINN) bieten eine netzfreie Methode zur Lösung von PDEs und zur Modellierung komplexer Systeme. PINNs sind vielversprechend zur Modellierung des gekoppelten Verhaltens von Geomaterialien und anderen komplexen Phänomenen. Die geplante Forschung hat drei Hauptziele: (1) Entwicklung eines robusten PINN-Ansatzes zur Modellierung gekoppelter HMC-Prozesse in quellenden Ton- und Sulfatgesteinen; (2) Verbesserung der Modellierungsfähigkeit komplexer gekoppelter Prozesse mit PINN; (3) Vertiefung des Verständnisses der HMC-Prozesse bei der Quellung von Ton-Sulfat-Gesteinen.
Die Untersuchungsstandorte Staufen und Freudensteintunnel liefern umfassende Datensätze zur Parametrisierung und Überprüfung der PINN-Modelle.
Weitere Informationen: https://gepris.dfg.de/gepris/projekt/533825365?language=de