Quanto costa, in termini di tempo di calcolo, propagare l’incertezza geotecnica attraverso migliaia di analisi di stabilità di un pendio? La domanda è al centro di uno studio pubblicato su Infrastructures (MDPI, doi: 10.3390/infrastructures11090295) a firma di Shaza Soleiman e Muhsin Elie Rahhal, che propongono un surrogato basato su rete neurale addestrata con particle swarm optimization e lo mettono alla prova su un caso reale libanese.
Una rete neurale come surrogato per l’affidabilità dei pendii
Il framework sviluppato dagli autori, indicato come ANN-MLP-PSO, accoppia un perceptron multistrato a un algoritmo di ottimizzazione a sciame di particelle. La rete viene addestrata su 2014 casi di pendii omogenei, ricavati combinando dati di letteratura e simulazioni basate sulla meccanica dei terreni. La fase di ottimizzazione degli iperparametri condotta tramite PSO ha individuato come configurazione ottimale un’architettura con sei layer nascosti, capace di raggiungere un coefficiente di determinazione R2 = 0,95 sul test set di validazione.
Una volta addestrato, il modello viene inserito in uno schema di campionamento probabilistico dal quale si estraggono le tre grandezze d’interesse per l’analisi di affidabilità: la probabilità di rottura Pf, l’indice di affidabilità β e i quantili del fattore di sicurezza. Il vantaggio operativo è evidente: superata la fase di training, il surrogato consente valutazioni probabilistiche immediate, senza dover rieseguire le analisi deterministiche ad ogni campione.
Il caso di Mansourieh e il confronto con i metodi classici
Il banco di prova applicativo è il pendio di Mansourieh, nei pressi di Beirut, analizzato in due condizioni igrometriche: asciutta e bagnata. I risultati del surrogato sono stati confrontati con tre metodi probabilistici consolidati: il metodo FOSM (First-Order Second-Moment), il metodo delle stime puntuali (PEM) e la simulazione Monte Carlo (MCS), tutti applicati con le medesime ipotesi probabilistiche.
Il confronto conferma una buona coerenza: il modello ANN-MLP-PSO riproduce le variazioni delle distribuzioni del fattore di sicurezza, della probabilità di rottura e dell’indice di affidabilità nel passaggio dallo scenario secco a quello bagnato, in linea con quanto ottenuto dai metodi convenzionali. I valori di Pf nello scenario bagnato risultano compresi tra circa l’86% e il 99%, un intervallo che segnala in ogni caso una condizione di forte criticità per il pendio esaminato.
Cosa significa per chi fa analisi geotecniche
Oltre ai numeri, il dato rilevante è di metodo. I quattro approcci, pur divergendo quantitativamente, convergono sulla stessa lettura ingegneristica del problema, individuando lo stesso trend di affidabilità. Per il progettista, questo significa che un surrogato ben addestrato può sostituire in fase di screening i cicli completi di calcolo deterministicamente ripetuto, alleggerendo sensibilmente i costi computazionali delle analisi di propagazione dell’incertezza.
Il campo d’uso dichiarato è quello dello screening della stabilità dei pendii e del supporto decisionale geotecnico consapevole dell’incertezza. Non un sostituto delle analisi approfondite, ma uno strumento per filtrare rapidamente scenari e prioritizzare gli interventi dove la probabilità di rottura, come nel caso di Mansourieh in condizioni di saturazione, raggiunge valori prossimi alla certezza.
Lascia un commento