Inference of ground condition in mechanized tunneling via inverse analysis using sequential Bayesian filtering
- In dieser Arbeit wurde die Sequentielle Bayessche Inferenz, die auf der Kalman-Filterung basiert, entweder als vollständiger Inversionsalgorithmus oder in Kombination mit anderen numerischen Methoden verwendet, um schnelle und zuverlässige Inversionsergebnisse zu erzielen. Es wird gezeigt, dass die nichtlinearen Kalman-Filter zur Abschätzung von Mittelwerten elasto-plastischer Bodenparameter und zur Vorauserkundung der räumlichen Heterogenität des Baugrunds geeignet sind. Die vorgeschlagenen Methoden werden durch die Rückrechnung der Bodenparameter aus synthetischen Messungen von Tunnel-induzierten Setzungen und die Wellenform-Inversion aus modellgenerierten Aufzeichnungen von seismischen Wellen im Tunnelbau validiert. Zusätzlich zu den Inversionsstudien erstellte ich im Rahmen dieser Arbeit ein kleines Wellenausbreitungs-Laborexperiment zur Validierung der Vorwärtsmodellierung und der Inversionsergebnisse anhand von imperfekten experimentellen Daten.
- In this thesis, I proposed to use a set of efficient methods based on the sequential Bayesian filtering to solving inverse problems in mechanized tunneling. In particular, the sequential Bayesian inference based on the Kalman filtering is utilized either as a complete inversion algorithm or in combination with other numerical ingredients to achieve fast and reliable inversion results. It is shown that the nonlinear Kalman filters are suitable for estimating the mean values of the elastoplastic soil parameters and predicting the geological conditions ahead of the tunnel face. The methods are verified through solving back analysis using synthetic measurements of the tunneling induced settlements and waveform inversion using model-generated recordings of the tunnel seismic waves. Lastly, in the course of this work, I set up a small-scale wave propagation laboratory experiment as a basis for validation of the forward modeling and inversion results against imperfect experimental data.
Author: | Luan T. NguyenGND |
---|---|
URN: | urn:nbn:de:hbz:294-53620 |
Referee: | Tamara NestorovićORCiDGND, Tom SchanzGND, Martin RadenbergGND |
Document Type: | Doctoral Thesis |
Language: | English |
Date of Publication (online): | 2017/08/10 |
Date of first Publication: | 2017/08/10 |
Publishing Institution: | Ruhr-Universität Bochum, Universitätsbibliothek |
Granting Institution: | Ruhr-Universität Bochum, Fakultät für Bau- und Umweltingenieurwissenschaften |
Date of final exam: | 2017/05/18 |
Creating Corporation: | Fakultät für Bau- und Umweltingenieurwissenschaften |
GND-Keyword: | Tunnelvortrieb; Inverses Problem; Untergrund (Bodenkunde); Kalman-Filter; Wellenausbreitung |
Institutes/Facilities: | Sonderforschungsbereich 837, Interaktionsmodelle für den maschinellen Tunnelbau |
Dewey Decimal Classification: | Technik, Medizin, angewandte Wissenschaften / Ingenieurbau, Umwelttechnik |
faculties: | Fakultät für Bau- und Umweltingenieurwissenschaften |
Licence (German): | Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht |