Praxisvalidierte Prognosemodelle für Erschütterungsübertragung und Boden-Bauwerk-Interaktion

Durch vorbeifahrende Schienenverkehrsfahrzeuge, erschütterungsintensive Bautätigkeiten oder Geothermieanlagen werdendynamische Kräfte in den Boden eingeleitet, die sich als Körperschallwellen im Grund ausbreiten und durch Fundament und Gebäudestruktur auf die Raumbegrenzungsflächen übertragen werden. Deren Schwingen ist bei entsprechender Intensität alsErschütterung spürbar oder als von den Flächen abgestrahlter Schall (sogenannter sekundärer Luftschall) hörbar (vgl. Abbildung). 

Die Vermeidung von Belästigungen der Anwohnenden sowie von Gebäudeschäden liegt im Interesse von Anwohnenden ebenso wievon Verkehrs- und Baustellenbetreibenden. Minderungsmaßnahmen können sowohl emissions- als auch immissionsseitig ansetzenund erfordern meist detaillierte Kenntnisse des gesamten Übertragungsprozesses; vom Krafteintrag über die Boden- und Strukturdynamik bis zur Schallabstrahlungscharakteristik. Hierfür existiert eine Vielzahl von Prognoseverfahren mit teils unterschiedlichen Eingangsparamtern sowie stark variierender Methodik und Genauigkeit. Insbesondere für erschütterungsintensiveBauarbeiten in geringem Abstand zu Gebäuden existieren keine gängigen Berechnungsverfahren, weshalb sich in der Praxis erfahrungsgemäß mit sehr restriktiven Maßnahmen oder aufwendigen Dauermessungen beholfen wird. 
Im Rahmen des Forschungsprojekts soll daher ein Modell auf Basis umfangreicher Messdaten entwickelt werden, das insbesonderedarauf abzielt, Erschütterungen und sekundären Luftschall von Quellen im Nahfeld zu prognostizieren. Hierzu werden sowohl neu generierte Messreihen als auch historische Datensätze zusammengeführt, aufbereitet und analysiert. Der Fokus liegt auf der Identifikation relevanter Parameter, Korrelationen und zeitlicher Zusammenhänge in den Daten. Methodisch werden unterschiedlicheAnsätze evaluiert, darunter klassische statistische Verfahren sowie Methoden des maschinellen Lernens, einschließlich neuronalerNetze und Deep-Learning- Modelle. 
Die Auswahl und Ausgestaltung der Modelle erfolgt datengetrieben und iterativ, abhängig von Datenqualität, -umfang und Anwendungsanforderungen. Ziel ist ein skalierbares, erweiterbares Prognosemodell, das sich flexibel an neue Daten und Fragestellungen anpassen lässt und insbesondere für Baustellen im Nahfeld robuste Vorhersagen trifft. 

Das Forschungsprojekt wird von Müller-BMM Industry Solutions GmbH freundlich unterstützt.