Verwendung von Matlab für Geotechnik-Datenanalyse

Viele geotechnische Einrichtungen und Forschungsorganisationen verwenden MATLAB als Standard-Rechenumgebung. Es integriert sich mit geotechnisch-spezifischen Software wie Plaxis, FLAC und GeoStudio über benutzerdefinierte Skripte, was die Automatisierung von parametrischen Studien und Sensitivitätsanalysen ermöglicht. Die nächsten Abschnitte beschreiben die schrittweise Anwendung von MATLAB in typischen geotechnischen Workflows.

Datenerhebung und -import

Geotechnische Daten stammen aus verschiedenen Quellen, jede mit ihrem eigenen Format und Struktur. Feldtests wie Standard Penetration Tests (SPT), Cone Penetration Tests (CPT), Druckmessertests und geophysikalische Untersuchungen erzeugen Protokolle und digitale Dateien. Labortests umfassen triaxiale, direkte Scher-, Konsolidierungs- (Oedometer) und Index-Eigenschaftstests, die oft in Tabellenkalkulationsvorlagen aufgezeichnet werden. Überwachungsdaten von Piezometern, Neigungsmessern und Abgleichplatten ergeben Zeitreihen in diskreten Tiefen oder an diskreten Orten.

Importieren von Daten in MATLAB

MATLAB bietet High-Level-Funktionen zum Lesen von gemeinsamen Datenformaten. Zum Beispiel kann CSV- oder Excel-Dateien importieren und als Tabellen speichern, die Variablennamen und Datentypen beibehalten. Tabellenkalkulationstabellen mit mehreren Blättern können mit mit dem -Parameter importiert werden. Für große oder binäre Dateien sind Funktionen auf niedriger Ebene wie verfügbar. MATLAB kann auch eine Verbindung zu relationalen Datenbanken (z. B. SQLite, Microsoft SQL Server) mit der Datenbank Toolbox herstellen, was einen direkten Zugriff auf Datenbanken zur Standortuntersuchung ermöglicht. Zeitreihendaten von Sensoren können mit oder durch Parsen von Zeitstempeln mit -Arrays importiert werden.

% Example: import CPT data from an Excel file
cptData = readtable('CPT_Project.xlsx', 'Sheet', 'ConeData');
% Convert depth and cone resistance columns to arrays
depth = cptData.Depth;
qc = cptData.ConeResistance_MPa;

Umgang mit fehlenden oder fehlerhaften Daten

Felddaten enthalten oft Lücken, Ausreißer oder unregelmäßige Abstände. Die Funktion von MATLAB identifiziert fehlende Einträge, während Interpolationsmethoden (linear, Spline, am nächsten) zu Impute-Werten anbietet. Ausreißer können mit mit Methoden erkannt werden, die auf der Medianabsolutabweichung oder Perzentilen basieren. In CPT-Datensätzen können beispielsweise plötzliche Spitzen aufgrund von Kies auf den Kegel mit einem bewegten Medianfilter gefiltert werden. Ingenieure können die Funktion auch verwenden, um Daten vor der Analyse zu bereinigen.

Der richtige Import und die richtige Bereinigung von Daten bilden die Grundlage für eine zuverlässige Analyse. Die integrierten Debugging- und Visualisierungstools von MATLAB helfen Anwendern, Anomalien unmittelbar nach dem Import zu erkennen und Fehler zu reduzieren, die sich durch spätere Verarbeitungen ausbreiten würden.

Datenverarbeitung und statistische Analyse

Einmal importiert, müssen geotechnische Daten verarbeitet werden, um aussagekräftige Parameter und Korrelationen zu extrahieren. Die MATLAB Statistics and Machine Learning Toolbox bietet eine umfassende Suite für die Analyse von explorativen Daten, Hypothesentests und Wahrscheinlichkeitsmodellierung.

Deskriptive Statistiken und Histogramme

Für jeden Parameter – wie Porosität, ungedämpfte Scherfestigkeit oder SPT-Blow-Country – berechnen Ingenieure Mittelwert, Median, Standardabweichung, Schiefe und Kurtosis. Die Funktion auf einer Tabelle gibt einen sofortigen Überblick. Histogramme mit überlagerten angepassten Verteilungen (normal, lognormal, Weibull) helfen zu beurteilen, ob eine Bodeneigenschaft einem gemeinsamen probabilistischen Modell folgt. Zum Beispiel folgen Kohäsion und Reibungswinkel oft normalen oder lognormalen Verteilungen je nach Bodentyp.

% Plot histogram of qc (cone resistance) with a normal fit
histfit(qc, 30, 'normal')
xlabel('Cone Resistance (MPa)')
ylabel('Frequency')
title('Distribution of Cone Resistance')

Ingenieure verwenden auch Box-Plots, um Bodeneigenschaften über verschiedene stratigrafische Schichten oder Standorte hinweg zu vergleichen.

Korrelations- und Regressionsanalyse

Geotechnische Korrelationen sind unerlässlich, wenn direkte Testdaten knapp sind. Zum Beispiel sind Korrelationen zwischen dem SPT N-Wert und dem Reibungswinkel von Sanden oder zwischen dem CPT-Tip-Widerstand und der nicht mitgerissenen Scherfestigkeit von Tonen weit verbreitet. MATLABs berechnet die lineare Korrelation von Pearson, während in lineare Modelle passt und Diagnosen wie R2, p-Werte und Restplots zurückgibt. Für nichtlineare Beziehungen kann die -Funktion für nichtlineare Regression oder die interaktive App der Curve Fitting Toolbox angewendet werden. Ein Ingenieur könnte eine ortsspezifische Korrelation zwischen dem Konuswiderstand qc und der Hülsenreibung fs unter Verwendung eines Power-Law-Modells entwickeln.

Räumliche Variabilität und Geostatistik

Die Bodeneigenschaften variieren räumlich; das Verständnis ihrer Autokorrelation ist für das zuverlässige Design von entscheidender Bedeutung. MATLAB bietet Funktionen für die Variogrammberechnung () und die Kriging-Interpolation über die räumlichen Analysefähigkeiten der Statistics and Machine Learning Toolbox oder die Mapping Toolbox. Für die dreidimensionale Modellierung unter der Oberfläche können Ingenieure Streuinterpolant mit Methoden wie natürlichem Nachbar oder Dünnplatten-Spline verwenden, um 3D-Oberflächen von Bodenschichten oder Eigenschaftsfeldern zu erstellen. Dies ist besonders wertvoll für die Modellierung von standortweiten CPT-Daten.

Modellierung und Simulation von Bodenverhalten

Bei der Modellierung glänzt die Rechenleistung von MATLAB, so dass Ingenieure komplexe geotechnische Phänomene wie Konsolidierung, Hangstabilität, Sickern und Fundamentabrechnung simulieren können.

Finite Element Analysis mit PDE Toolbox

Die Partial Differential Equation Toolbox bietet einen Rahmen für die Lösung von PDEs mit der Finite-Elemente-Methode (FEM). Sie kann für 2D- und 3D-Probleme in der linearen Elastizität, Wärmeübertragung (analog zum Sickern) und Strukturmechanik verwendet werden. Für geotechnische Arbeiten sind häufige Anwendungen die Spannungs-Deformationsanalyse von Böschungen, Tunnelausgrabungen und Stützwänden. Die Toolbox unterstützt die automatische Netzerzeugung (Delaunay, dreieckig oder tetraedrisch), Randbedingungsdefinition und Lösungsauswahl. Ingenieure definieren das Bodenkonstitutivmodell mit einer benutzerdefinierten Materialfunktion. Obwohl die Implementierung fortschrittlicher Modelle wie Modified Cam-Clay einen benutzerdefinierten Code erfordert, macht die objektorientierte Programmierung und Vektorisierung MATLAB es überschaubar. Zum Beispiel kann ein einfaches lineares elastisch perfekt plastisches Modell mit Mohr-Coulomb-Ertragskriterium in wenigen Zeilen implementiert werden.

% Pseudo-code for Mohr-Coulomb material routine
function [stress, state] = mohrCoulomb( strain, state, params )
 E = params.E; nu = params.nu; c = params.cohesion; phi = params.phi;
 % Elastic stiffness matrix
 De = elasticityMatrix(E, nu);
 stressTrial = De * strain;
 % Check yield function f = tau - (c + sigma_n * tan(phi))
 % ... return updated stress and state (plastic strains)
end

MATLAB unterstützt auch den Import von FEM-Modellen aus externer Software (z. B. über Abaqus-Eingabedateien) und Nachverarbeitungsergebnisse mit integrierten Plot-Funktionen. Die Fähigkeit, parametrische Sweeps durch Schleifen über Bodenstärkeparameter durchzuführen, hilft, kritische Fehlermechanismen zu identifizieren.

Slope Stability Analyse

Während dedizierte Software viele Grenzgleichgewichtsmethoden behandelt, kann MATLAB diese Berechnungen für Forschung oder Automatisierung replizieren. Ingenieure können Bishops vereinfachte oder Spencer-Methode implementieren, indem sie eine Steigung in Scheiben aufteilen, die Inter-Slice-Kräfte berechnen und den Faktor der Sicherheit (FOS) über iteratives Root-Finden () auflösen. Die Interslice-Neigung kann variiert werden, um eine kritische nicht kreisförmige Gleitfläche mithilfe von Optimierung zu finden ( von Optimization Toolbox). Fortgeschrittene Routinen verwenden Random Field FEM, um die räumliche Variabilität der Bodenstärke zu berücksichtigen, wodurch eine probabilistische Verteilung von FOS anstelle eines einzelnen deterministischen Wertes erzeugt wird.

Konsolidierungs- und Settlementanalyse

Terzaghis eindimensionale Konsolidierungstheorie kann analytisch mit geschlossenen Lösungen in MATLAB gelöst werden, aber Ingenieure müssen oft mehrschichtige Ablagerungen mit komplexen Belastungshistorien modellieren. Die PDE-Toolbox kann zweidimensionale Konsolidierung (gekoppelter Porendruck und Verformung) mit Biots Theorie simulieren. Alternativ können MATLAB-Skripte Zeitabgleichskurven mit Hilfe einer Finite-Differenz-Methode mit einem benutzerspezifischen Gitter berechnen. Vergleiche zwischen gemessenen und vorhergesagten Konsolidierungsraten helfen, die Parameter der Bodenkompressibilität zu verfeinern.

Seepage-Analyse

Steady-state und transiente Sickerstellen durch Böschungen und Fundamentböden können mit der Laplace-Gleichung (für isotrope Permeabilität) oder Richards-Gleichung (für ungesättigte Strömung) modelliert werden. Die PDE Toolbox behandelt die elliptischen und parabolischen Fälle. Ingenieure können Fließnetze, Porendruckverteilungen und Austrittsgradienten berechnen. Die Kontur und die Stromlinienkurven von MATLAB (, ) erstellen automatisch traditionelle Flussnetzdiagramme.

Visualisierung und Reporting

Die effektive Kommunikation geotechnischer Daten beruht auf klaren, genauen und anpassbaren Grafiken. MATLAB bietet 2D- und 3D-Plotfunktionen, mit denen sich Veröffentlichungsqualitätszahlen für Berichte und Präsentationen erstellen lassen.

2D- und 3D-Plots zur Standortcharakterisierung

Bohrlochprotokolle können als Stöckchendiagramme mit unterschiedlichen Farben für Bodentypen dargestellt werden (unter Verwendung von oder benutzerdefinierten ). Querschnitte durch mehrere Bohrlöcher können leicht mit erzeugt werden, um lithologische Einheiten zwischen Bohrlochgrenzen zu füllen. Für CPT-Plots erzeugen Ingenieure üblicherweise Tiefenprofile von qc, fs, u2 (Porendruck) und Reibungsverhältnis Rf. MATLABs und ermöglichen es, mehrere Kurven auf derselben Tiefenachse zu kombinieren.

% Example: depth profile of cone resistance and sleeve friction
depth = cptData.Depth;
qc = cptData.qc; fs = cptData.fs;
figure;
yyaxis left; plot(qc, depth, 'b-'); ylabel('Depth (m)');
yyaxis right; plot(fs, depth, 'r--'); ylabel('Sleeve Friction (MPa)');
set(gca, 'YDir', 'reverse'); % depth increases downward
xlabel('Cone Resistance (MPa)');
title('CPT Profile - Boring B-01');

Contour Maps und Surface Plots

Räumliche Verteilungen von Bodenschichten, Grundwasserständen oder Bodeneigenschaften über einen Standort können mit Hilfe von Konturkarten (), Oberflächenplots () oder 3D-Streuplots () visualisiert werden. Interpolierte SPT-N-Werte über den Planbereich können beispielsweise als gefüllte Konturkarte mit Standortlayout-Overlays aufgetragen werden. MATLAB verarbeitet unregelmäßig beabstandete XY-Daten über und dann .

Automatisierte Berichte erzeugen

MATLAB Report Generator (Teil der MATLAB Reporting Toolbox) ermöglicht es Ingenieuren, PDF-, Word- oder HTML-Berichte programmgesteuert zu erstellen. Ein Skript kann Daten importieren, Analysen durchführen, Zahlen generieren und sie in einen Vorlagenbericht mit konsistenter Formatierung einfügen. Dies spart Stunden manuelles Kopieren und Einfügen und stellt sicher, dass alle Ergebnisse reproduzierbar sind. Hyperlinks zu verwandten Datensätzen oder externen Referenzen können enthalten sein. Die Funktion erzeugt hochauflösende Bilder (TIFF, PNG, EPS), die für Zeitschrifteneinreichungen geeignet sind.

Fortgeschrittene Anwendungen

Über den Standard-Workflow hinaus ermöglicht MATLAB ausgeklügelte Analysen, die die Grenzen der geotechnischen Praxis überschreiten.

Machine Learning für Bodenklassifikation und Parametervorhersage

Mit der Toolbox für Statistik und maschinelles Lernen können Ingenieure Klassifikatoren (Entscheidungsbäume, unterstützende Vektormaschinen, neuronale Netze) auf CPT- oder SPT-Daten trainieren, um Bodenverhaltenstypen (z. B. Sand, Ton, Schluff) automatisch aus kontinuierlichen Profilen zu identifizieren. Dies reduziert die subjektive Interpretation. Regressionstechniken wie die Gauß-Prozessregression können ungedämpfte Scherfestigkeit aus Indexeigenschaften und CPT-Daten mit quantifizierter Unsicherheit vorhersagen. MATLABs Funktionen , und machen es einfach, prädiktive Modelle zu erstellen und zu validieren. Beispiel: Training eines zufälligen Waldes, um Bodenschichten mithilfe von Merkmalen aus CPT-Sonden zu klassifizieren.

Optimierung des Foundation Designs

Die Optimierungs-Toolbox von MATLAB kann verwendet werden, um optimale Fundamentabmessungen (Breite, Tiefe) zu finden, die Kosten oder Gewicht minimieren und gleichzeitig Tragfähigkeit und Besiedlungsbeschränkungen erfüllen. Zum Beispiel ein einfaches eingeschränktes Optimierungsproblem für einen rechteckigen Fuß: Minimieren Sie das konkrete Volumen, das dem Sicherheitsfaktor gegen Lagerausfall und maximal zulässige Besiedlung unterliegt. Der -Solver mit nichtlinearen Einschränkungen, die aus Bodeneigenschaftenkorrelationen berechnet werden (z. B. Schmertmanns Besiedlungsmethode) bietet eine Lösung. Constraint-Funktionen nennen MATLAB-Skripte für Tragfähigkeit und Besiedlungsberechnungen. Dieser Ansatz ermöglicht eine schnelle Erkundung von Designalternativen.

Zeitreihenanalyse von Überwachungsdaten

Für geotechnische Instrumentierungsdaten (z. B. Porendruck, seitliche Verschiebung von Stützwänden, Absetzplatten) bietet die Signal Processing Toolbox von MATLAB Tiefpassfilterung (z. B. ), Trendzerlegung und Spektralanalyse (FFT). Ingenieure können saisonale Effekte, saisonale Porendruckschwankungen aufgrund von Regenfällen oder verzögerte Reaktionen auf Ausgrabungen erkennen. Die -Funktion kann abrupte Verschiebungen in Überwachungsdaten aufgrund plötzlicher Ereignisse wie Ausfall oder Bauaktivitäten lokalisieren. Überwachungsdaten werden auch verwendet, um Bodenparameter mithilfe von Optimierungen zu analysieren, um Fehlanpassungen zwischen gemessenen und vorhergesagten Reaktionen zu minimieren.

Praktisches Workflow-Beispiel: CPT Data Interpretation

Um die integrierten Fähigkeiten von MATLAB zu veranschaulichen, sollten Sie den folgenden Workflow für die Verarbeitung von CPT-Daten von einem Standort und die Durchführung der Bodenklassifizierung und Berechnung der Tragfähigkeit für einen Untergrund betrachten.

1. Import CPT-Messungen (Tiefe, qc, fs, u2) aus einer Excel- oder CSV-Datei mit .
2. Saubere Daten durch Entfernen negativer oder unrealistischer Messwerte mit logischer Indexierung und Glättung unter Verwendung eines gleitenden Durchschnitts ().
3. Berechnen Sie abgeleitete Parameter: Reibungsverhältnis Rf (%) = fs/qc * 100, normierter Konuswiderstand Qt und Porendruckparameter Bq.
4. Klassifizieren Sie das Bodenverhalten mit Robertsons Diagramm von 1990: implementieren Sie , das mit Zonengrenzen (Polygonen) überlagert ist, um jedem Tiefenzuwachs eine Bodenklasse zuzuweisen. Verwenden Sie benutzerdefinierte Schleifen oder , um Etiketten programmatisch zuzuweisen.
5. ] Berechnen Sie die nichtrainierte Scherfestigkeit su für Tonschichten unter Verwendung der Korrelation su = (qc - sigma v0)/Nk, wobei Nk ein ortsspezifischer Konusfaktor ist (z. B. 15).
6. Estimate bearing capacity für einen flachen Fuß: Schreibe eine Funktion, die su aus dem CPT-Profil in der Fußbodentiefe verwendet, wobei die Formel von Vesic oder Terzaghi angewendet wird. Faktor der Sicherheit wird berechnet. Monte-Carlo-Simulation mit 10.000 zufälligen Stichproben von su (unter Verwendung einer angepassten Wahrscheinlichkeitsverteilung) ergibt einen probabilistischen Sicherheitsfaktor.
7. Visualisieren führt alle zu einer Multi-Panel-Figur mit Tiefenprofilen (qc, Rf, Bodenklasse, su) und Fußleistungshistogramm.
8. Exportieren die Figur als hochauflösendes PNG und erzeugen Sie einen PDF-Bericht mit dem Report Generator, der die wichtigsten Statistiken und Interpretationskommentare enthält.

Dieser gesamte Workflow kann als einzelnes MATLAB-Skript gespeichert werden, wodurch er für andere Bohrlöcher oder Standorte mit geringfügigen Änderungen wiederverwendbar ist. Es zeigt, wie MATLAB manuelle Tabellenkalkulationsarbeit und mehrere Softwarepakete durch eine einheitliche, rückverfolgbare Umgebung ersetzt.

Schlussfolgerung

MATLAB bietet Geotechnikern eine leistungsstarke, flexible Plattform für Datenanalyse, Modellierung und Reporting. Vom Import unterschiedlicher Felddatensätze bis hin zur Durchführung fortschrittlicher Finite-Elemente-Simulationen und Klassifikationen für maschinelles Lernen unterstützt MATLAB jede Phase des geotechnischen Untersuchungs- und Entwurfsprozesses. Seine integrierten Funktionen reduzieren den Programmieraufwand, während seine Visualisierungs- und Berichtstools eine klare Kommunikation komplexer Informationen gewährleisten. Da sich das Feld in Richtung datengesteuerter und probabilistischer Designansätze bewegt, wird die Rolle von MATLAB nur erweitert, insbesondere durch die Integration von Cloud-Computing- und Deep-Learning-Toolboxen. Ingenieure, die MATLAB einsetzen, können größere Datensätze verarbeiten, genauere Analysen durchführen und letztendlich eine sicherere und kostengünstigere Infrastruktur bereitstellen. Für diejenigen, die mit dem Bauwesen beginnen] und durch eine Reihe von Tutorials zu geotechnischen Modellen für Finite-Elemente. Darüber hinaus zeigen Peer-Review-Papiere wie [Smith et al., 2020] reale Anwendungen von MATLAB in pro