MODELISATION ET PREDICTION DU COMPORTEMENT PHYSICO-MECANIQUE DES SOLS PAR INTELLIGENCE ARTIFICIELLE

Abstract

In 2023, Machine Learning is all around us. It happens every time we look for a word in an internet search engine, a video on YouTube, a product on an internet sales platform. Thanks to Machine Learning, millions of cancers can be diagnosed every year, billions of spam and computer viruses are blocked to protect our computers, and without it the autonomous car might never exist. This work focuses on a new modeling and prediction process called machine learning or intelligence artificial. This process will be applied to databases or data, A set of physical and mechanical tests collected from the experimental work (current and previous) carried out at the Civil Engineering Laboratory of souk ahras university. Artificial intelligence, in particular machine learning (ML), is a mathematical method for dealing with complex linear and non-linear problems between input and output values (values to be predicted). In this thesis, the parameters of geotechnical identification obtained experimentally such as densities, particle size, plasticity, cohesion, internal friction angle, etc. are used as parameters to be predicted. Machine learning algorithms such as gradient of decent are developed and then tested. The results show that the predictive equations obtained by the machine predict the experimental physical model in a satisfying way) --------------------------------------------------------------------------------- في عام 2023، أصبح التعلم الآلي من حولنا في كل مكان. يحدث ذلك في كل مرة نبحث فيها عن كلمة في محرك بحث على الإنترنت، أو مقطع فيديو على You Tube، أو منتج على منصة مبيعات عبر الإنترنت. بفضل التعلم الآلي ، يمكن تشخيص ملايين السرطانات كل عام ، ويتم حظر مليارات من رسائل البريد الإلكتروني العشوائية وفيروسات الكمبيوتر لحماية أجهزة الكمبيوتر الخاصة بنا ، وبدونها قد لا توجد السيارة ذاتية القيادة على الإطلاق. يركز هذا العمل على عملية جديدة للنمذجة والتنبؤ تسمى الذكاء الاصطناعي أو التعلم الآلي. سيتم تطبيق هذه العملية على قواعد البيانات أو مجموعات البيانات ، حيث تجمع مجموعة من الاختبارات الفيزيائية والميكانيكية التي تم جمعها من الأعمال التجريبية (الحالية والسابقة) التي تم إجراؤها على مستوى معمل الهندسة المدنية بجامعة سوق أهراس. ، ولا سيما التعلم الآلي(ML)الذكاء الاصطناعي هو طريقة رياضية تجعل من الممكن التعامل مع المشكلات الخطية وغير الخطية المعقدة بين قيم الإدخال وقيم المخرجات (القيم التي يمكن توقعها). في هذه الرسالة ، تم الحصول على معلمات التحديد الجيوتقني تجريبياً مثل الكثافة ، حجم الحبوب ، اللدونة ، التماسك ، زاوية الاحتكاك الداخلي ، الخ. تستخدم كمنبئ. وهكذا يتم تطوير خوارزميات التعلم الآلي من نوع التدرج وتدريبها ثم اختبارها. أظهرت النتائج أن معادلات التوقع التي حصلت عليها الآلة تتنبأ بطريقة مرضية بالنموذج الفيزيائي التجريبي) --------------------------------------------------------------------------------------- En 2023, Le Machine Learning est tout autour de nous. Il intervient chaque fois que nous cherchons un mot dans un moteur de recherche internet, une vidéo sur You Tube, un produit sur une plate-forme de vente sur internet. Grâce au Machine Learning, des millions de cancers peuvent être diagnostiqués chaque année, des milliards de spams et de virus informatiques sont bloqués pour protéger nos ordinateurs, et sans lui la voiture autonome n’existerait peut-être jamais. Ce travail porte sur un nouveau procédé de modélisation et prédiction appelé intelligence artificiel ou apprentissage machine ‘machine Learning’. Ce procédé va être applique à des bases de données ou dataset, regroupant un ensemble d’essais physiques et mécaniques collectes à partir des travaux expérimentaux (actuels et antérieurs) réalisé au niveau laboratoire du génie civil de l’université de souk ahras. L’intelligence artificielle notamment l’apprentissage machine artificiels « machine Learning » (ML) est une méthode mathématique qui permet de traiter des problèmes complexes linéaires et non linéaires entre les valeurs d’entrées et les valeurs de sorties (valeurs à prédire). Dans ce mémoire les paramètres d’identification géotechnique obtenue expérimentalement telle que les densités, la granulométrie, la plasticité, la cohésion, l’angle de frottement interne,...etc. sont utilisés comme des paramètres à prédire. Les algorithmes d’apprentissages machine type gradient de décentes sont ainsi développée est entrainé puis teste. Les résultats montrent que les équations prédicateur obtenus par la machine prédisent d’une façon satisfaite le modèle physique expérimentale)