研究& Innovation

在AG体育土木工程数据科学和机器学习推动创新

AG体育教授正在利用新的数据的科学技术和机器学习,加快各种土木工程学科的研究,从开发智能基础设施来预测风暴潮

data analytics

机器学习燃料通过数据分析,数据挖掘,是这个星球上最普遍和适用的技术之一,触及现代社会的几乎每一个领域。在技​​术的斯蒂文斯理工学院教授 民事,环境和海洋工程系 (CEOE)正在利用这些先进的技术,以超前的设计,施工,智能,可持续的,有弹性的基础设施系统的维护,以及减轻自然灾害的影响。

潜入地下

当要建一个大型地下高速公路或下水管道的需求,土木工程师穿岩,粘土等土壤类型使用隧道掘进机(盾构机)进行切割。这些机器,也被称为摩尔,可以像高大的建筑物和在长度跨越超过300的脚。

“面向地下建筑的一个最显著的挑战并不确定什么谎言之下的表面,这是在隧道施工中尤其如此的相当程度的了解,”丽塔索萨,在CEOE助理教授谁研究隧道和地下土壤条件说。使用从放置在隧道掘进机的切割头传感器收集的数据,Sousa的适用机器学习到关于地下提取知识和预测未来的施工地面条件。这种类型的预测模型可导致更有效,更快速,更安全的地下施工作业。

“在土木工程中使用的数据的科学是比较新的,说:”索萨。 “它已成为解决土木工程领域的许多挑战更为主流,并提出令人兴奋的机会。”

瓦伦蒂娜prigiobbe,CEOE助理教授,使用机器学习的校准和统计模型的优化来确定地下水泛滥(或渗透)的影响老化下水管道。

“这个办法为修理下水道和缓解洪水下水道战略性干预的工具。它的实现是灵活的,它可以扩展到其他类型的基础设施,” prigiobbe说。

也prigiobbe采用先进的技术,如密度泛函理论(DFT) - 通常在计算化学和物理学中使用的量子力学建模方法 - 来看看如何通过土壤放射性元素镭移动。她的学生,她补充与数据科学工具,在地下运输过程相关揭开许多复杂这种方法,她说。

监测桥梁和基础设施

刘开建,CEOE助理教授,有兴趣利用大数据和机器学习的能力,以更好地开发和管理的智能建筑环境。

“一个基础研究的问题是如何从那些为了支持对智能楼宇,民用基础设施系统和社区增强决策提供越来越大,分散,异构的数据中提取有用的知识,”刘说。

在解决这个问题时,刘和他的研究小组开发出一种新的智能数据分析的框架,能够提取,保险丝,并从增强的桥恶化预测和维修决策多源分析桥梁的数据。框架使用新颖的机器学习方法,以允许两个结构化和非结构化数据的用于预测的利用率,从而超越了国家的最先进的,其中两种数据大多分开处理。这个框架有可能改变决策者于一体的综合性,整体性,并分析了对桥梁管理方式使用分散,异构数据的方式的可能性。目前,刘和他的跨机构的合作者创造了民用基础设施系统 - 开放的知识网络(顺式OKN),使数据驱动的民用基础设施的决策,以提高安全性和可及性,并增加公众的经济机会。

穆罕默德ilbeigi, CEOE助理教授,也是专注于开发基于机器学习的方法来分析在基础设施发展的不确定性。最近,ilbeigi和他的研究小组开发桥梁恶化预测模型和最佳桥梁检验程序。这可以帮助运输机构更加高效地分配自己的检查和维护资源和再投资数百万美元投入到急需的基础设施开发项目。

“今天,我们有机会在基础设施系统中的数据的数量空前,” ilbeigi说。 “在拥有高性能的机器学习方法结合使用现有的数据,我们能够最终解决问题,我们不能地址数十年,由于缺乏数据和计算能力的。”

预测风暴潮

向民间工程师的数据将在未来的增长要大得多,说 穆罕默德·哈吉,CEOE主席和戴维森实验室主任。

“他们将有望使用这些数据来做出更明智的决策,我们的部门在土木工程中的应用实现数据科学前沿”之称的朝觐。

朝觐,他的同事 礼萨marsooli助理教授在部门,他们的学生正在使用机器学习来推进在气候变化引起的极端事件风沿海洪水灾害预测的能力。在最近的研究中,他们发现,基于物理的仿真可以更有效的,与机器学习相结合,对预测低概率,高后果的风暴潮事件。

“什么会采取只使用高保真基于物理的计算模拟月或数年可以减少到几个小时或几天,当这些模拟与机器学习,试图确定低概率的风暴潮事件时,这是非常显著,例如合并,100年一遇,说:”朝觐。

了解更多关于民事,环境和海洋工程在AG体育的部门: