Einsatz von neuronalen Netzen zur Vorhersage des Materialvolumens von Injektionsbaustellen im Tunnelbau

In diesem Beitrag wird eine Methode vorgestellt, die die digitale Dokumentation auf Injektionsbaustellen nutzt, um automatisierte, baubegleitende Vorhersagen der noch zu erwartenden Injektionsmengen zu berechnen. Bei der untersuchten Baumaßnahme werden Abdichtungsinjektionen im Rahmen des Projekts Stuttgart 21 für einen 3,2 km langen zweiröhrigen Eisenbahntunnel erstellt. Die vorgestellte Methode verwendet eine spezielle Form des neuronalen Netzes, das Feed Forward Network. Dieses wird mit den Injektionsmengen pro Tunnelmeter der einen Tunnelröhre trainiert, um dann die Injektionsmengen der anderen Röhre vorherzusagen. Nach einer kurzen Einführung in die Funktionsweise neuronaler Netze wird gezeigt, dass die vorgestellte Methode in der Lage ist, die Gesamtinjektionsmengen mit einer Genauigkeit von > 5 % vorherzusagen. Die Daten wurden von der Renesco GmbH in Zusammenarbeit mit der eguana GmbH erhoben.

Use of neural networks for the prediction of the material volume of injection sites in tunnel construction
In this paper, a method is presented that uses digital documentation on injection construction sites to calculate automated, construction-accompanying predictions of the injection quantities still to be expected. In the construction project under investigation, waterproofing injections are being made as part of the Stuttgart 21 project for a 3.2 km long, twin-tube railroad tunnel. The presented method uses a particular form of a neural network, the Feed Forward Network. The network is trained with the injection quantities per tunnelmeter of one tunnel tube to predict the other's injection quantities. After a brief introduction to the operation of neural networks, it is shown that the presented method can forecast the total injection quantities with an accuracy > 5 %. Renesco GmbH has collected the data in cooperation with eguana GmbH.