Application of data mining techniques to jet grouting columns design

Abstract

Jet Grouting (JG) is actually a reference method on soil improvement technologies, allowing to improve the strength, stiffness and permeability of soft soils. However, even after several years of practice and notable technology advances, there are still some limitations to overcome. In particular, the main limitation is the absence of efficient approaches for its design. Indeed, the actual design approaches are essentially based on empirically and less accurate methods that are often too conservatives. As a results, the economy and the quality of the treatment can be affected. Therefore, it is fundamental to develop new approaches able to accurately predict JG columns mechanical properties as well as its diameter. However, due to the high number of variables involved in JG process and the heterogeneity of the soils treated, the accomplishment of such complex task represents a major challenge. This challenge relies in the fact that a JG model design should be able to incorporate simultaneously the effect of different variables (e.g. soil and cement slurry properties). So far, the traditional statistical approaches were unable to deal with the complexity of JG data. However, in the past few years powerful tools have emerged for extracting useful information from large and complex data. These tools are currently known as Data Mining (DM) techniques and have been successfully applied in different application domains.. In the present research work, some of the most well known DM algorithms were applied in the prediction of the mechanical properties of JG mixtures as well as JG columns diameter. Therefore, and as a first step, a multiple regression, artificial neural network, support vector machine and functional network algorithms were trained to predict JG laboratory formulations stiffness and uniaxial compressive strength. Moreover, the analytical expressions proposed by Eurocode 2 and CEB-FIP Model Code 1990 for strength and stiffness prediction of concrete were adapted to JG mixtures. After that, the same methodologies were applied in the prediction of strength, stiffness and column diameter of real JG columns. As the main outcomes of this work, high quality predictive models were achieved, as well as a better understanding of the JG mixtures behaviour (given by a global sensitivity analysis). Such results are quite useful for JG design, being expecting an economic and technical improvement through a better optimization of the available resources and efficient design

Jet Grouting (JG) surge atualmente como um método de referência entre as tecnologias de melhoramento de solos, permitindo o aumento da resistência e deformabilidade bem como a diminuição da permeabilidade de solos moles. No entanto, mesmo após vários anos de prática e de notáveis avanços tecnológicos, existem ainda algumas limitações a vencer. Uma das mais relevantes prende-se com a ausência de abordagens eficientes de dimensionamento. De facto, as atuais abordagens de cálculo são essencialmente suportadas por métodos empíricos e pouco precisos, por vezes até demasiado conservativos. Em consequência, a eficiência técnica e económica do tratamento pode ficar comprometida. Neste sentido, é fundamental desenvolver novas abordagens capazes de prever com maior precisão as propriedades mecânicas e respectivo diâmetro das colunas de JG. Contudo, devido ao elevado número de variáveis envolvidas e à heterogeneidade dos solos tratados, tal tarefa representa um enorme desafio. Este desafio prende-se com o facto de um modelo de dimensionamento da tecnologia de JG dever ser capaz de incorporar simultaneamente o efeito de diferente variáveis (e.g. propriedades do solo e da calda injetada e o tipo de jet). Até aos dias de hoje, as ferramentas estatísticas tradicionais foram incapazes de lidar com a complexidade caracteristica de dados JG. No entanto, nos últimos anos têm emergido ferramentas com enorme potencial, capazes de analisar e extrair informação útil de grandes volumes de dados complexos. Estas ferramentas são correntemente conhecidas como técnicas de Data Mining (DM) e têm sido aplicadas com sucesso em diferentes áreas do conhecimento. No presente trabalho de investigação, alguns dos mais conhecidos algoritmos de DM foram aplicados na previsão das propriedades mecânicas de misturas de JG bem como na previsão do diâmetro das respetivas colunas. Assim, numa primeira fase, os algoritmos de regressão múltipla, redes neuronais artificiais, máquina de vetores de suporte e redes funcionais foram treinados para prever a deformabilidade e a resistência à compressão uniaxial de formulações laboratoriais de JG. Além disso, as expressões analíticas propostas pelo Eurocódigo 2 e pelo CEB-FIP Model Code 1990 usadas na previsão da resistência e deformabilidade do betão, foram também adaptadas a misturas de JG. Posteriormente, as mesmas metodologias foram aplicadas na previsão da resistência, deformabilidade e diâmetro de colunas reais de JG. Como principais resultados do presente trabalho, destaca-se a elevada qualidade previsional dos modelos obtidos, bem como uma melhor compreensão do comportamento de misturas de JG (conseguida através da aplicação de análises de sensibilidade globais). Estes resultados são um claro contributo para o dimensionamento de colunas de JG, antevendo-se uma maior eficiência técnica e económica, através de uma melhor otimização dos recursos disponíveis e eficiência no dimensionamento.