4. Conclusion
Cet article examine en profondeur les applications du ML en géotechnique, en illustrant son application au cas d’usage de la prédiction des tassements induits par le creusement des tunnels. Il insiste sur l’importance de privilégier la qualité des données à leur quantité, un impératif dans un domaine où les données issues des chantiers sont souvent hétérogènes, bruitées ou incomplètes. Bien que chronophage et exigeante, la phase de préparation des données constitue un investissement essentiel pour obtenir des résultats fiables et exploitables.
Les analyses montrent que les modèles de ML, notamment les méthodes ensemblistes comme XGBoost ou RF, permettent des prédictions précises et une généralisation robuste, tout en s’adaptant aux exigences des projets complexes grâce à un entraînement rapide et une capacité à intégrer aisément de nouvelles données. Ces approches...
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Sigles, notations et symboles
Sources bibliographiques
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Mécanique des sols et géotechnique"
(
47 articles
)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
