Metamodel geotechnické konstrukce

Simple item page
but.committeedoc. Ing. Vladislav Horák, CSc. (předseda) Ing. Petr Svoboda, Ph.D. (místopředseda) Ing. Věra Glisníková, CSc. (člen) Ing. Karel Zdražil, CSc. (člen) prof. RNDr. Lukáš Krmíček, Ph.D. (člen) doc. Ing. Lumír Miča, Ph.D. (člen) Ing. Lumír Kliš (člen)cs
but.defenceStudentka Lucie Maslowská obhajovala bakalářskou práci s názvem "Metamodel geotechnické konstrukce". Po prezentaci práce a přednesení hodnocení vedoucího práce a posudku oponenta práce reagovala na jejich dotazy a připomínky. Poté studentka odpovídala na dotazy předsedy a členů zkušební komise. V rámci obhajoby bakalářské práce odpovídala studentka výborně.cs
but.jazykčeština (Czech)
but.programStavební inženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorKoudela, Pavelcs
dc.contributor.authorMaslowská, Luciecs
dc.contributor.refereeChalmovský, Jurajcs
dc.date.accessioned2025-06-19T03:58:57Z
dc.date.available2025-06-19T03:58:57Z
dc.date.created2025cs
dc.description.abstractPráce se zabývá využitím metamodelování v geotechnice, a to především při aproximaci MKP modelu metamodelem. Metamodel je model modelu a jeho použití umožňuje snížit výpočetní čas a výkon u mnohokrát opakovaných výpočtu, např. při optimalizaci úloh. První část práce se soustředí na vysvětlení základního principu 5 vybraných metamodelovacích metod: Polynomiální regrese, Moving Least Squares, Proper Orthogonal Decomposition v kombinaci s radiální bázovou funkcí, Rozvoj polynomiálním chaosem a nejvíce pozornosti bylo věnováno neuronovým sítím založeným na strojovém učení. V práci jsou popsány jednotlivé parametry neuronových sítí a možnosti jejich nastavení, přičemž tyto poznatky pak byly uplatněny v části druhé. V té je popsáno vytvoření neuronové sítě aproximující výpočet deformací matematického modelu pažící konstrukce. Proběhlo testování různých nastavení neuronové sítě vytvořené v programovacím jazyku Python za účelem nalezení kombinace parametrů, při jejichž nastavení se neuronová síť nejvíce přiblíží výstupním hodnotám z původního MKP modelu. Výsledkem práce je vytrénovaná síť předpovídající deformace matematického modelu konstrukce na základě materiálových parametrů zeminy s chybou okolo 2,5 %. Pro použité nastavení neuronové sítě pak existuje teoretický předpoklad, že bude s podobnou přesností předpovídat chování matematických modelů i jiných konstrukcí. Tématem vyžadující další zkoumání se však ukázala problematika kvality učících dat při využití metamodelovacích technik.cs
dc.description.abstractThis thesis focuses on the application of metamodeling in geotechnical engineering, especially on approximating finite element models using metamodels. A metamodel is model of a model and is used to reduce computation time for tasks that involve many repeated analyses, such as optimalization. In the first part of the thesis, five metamodeling approaches are presented: Quadratic polynomial regression, Moving Least Squares, Proper Orthogonal Decomposition with radial basis function and artificial neural networks based on machine learning. Great emphasis is placed on neural networks, as they are the main topic of the second part of the thesis. In the second part is described creation process of a neural network in Python. The neural network is designed to approximate the calculation of deformations in a mathematical model of a retaining structure. Various configurations of the neural network's key parameters were tested to identify parameter combination for which the neural network most accurately approximates the results of the original FEM model. The outcome of the thesis is a trained neural network that predicts deformations of the mathematical model based on soil material parameters with 2,5 % error. There is a theoretical assumption that the chosen configuration of the neural network can be with similar accuracy apllied to predict a behaviour of other models. However, the issue of training data quality has proven to be a subject requiring further investigation.en
dc.description.markAcs
dc.identifier.citationMASLOWSKÁ, L. Metamodel geotechnické konstrukce [online]. Brno: Vysoké učení technické v Brně. Fakulta stavební. 2025.cs
dc.identifier.other166896cs
dc.identifier.urihttps://hdl.handle.net/11012/253895
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta stavebnícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectmetamodelcs
dc.subjectnáhradní modelcs
dc.subjectneuronové sítěcs
dc.subjectstrojové učenícs
dc.subjectmetoda konečných prvkůcs
dc.subjectgeotechnická konstrukcecs
dc.subjectmatamodelen
dc.subjectsurrogate modelen
dc.subjectneural networksen
dc.subjectmachine learningen
dc.subjectfinite element methoden
dc.subjectgeotechnical structureen
dc.titleMetamodel geotechnické konstrukcecs
dc.title.alternativeMetamodel of Geotechnical Structureen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2025-06-17cs
dcterms.modified2025-06-18-13:24:16cs
eprints.affiliatedInstitution.facultyFakulta stavebnícs
sync.item.dbid166896en
sync.item.dbtypeZPen
sync.item.insts2025.06.19 05:58:57en
sync.item.modts2025.06.19 05:35:53en
thesis.disciplineKonstrukce a dopravní stavbycs
thesis.grantorVysoké učení technické v Brně. Fakulta stavební. Ústav geotechnikycs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 4 of 4
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.85 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
Posudek-Vedouci prace-Hodnoceni_vedouciho_BSP.pdf
Size:
106.81 KB
Format:
Adobe Portable Document Format
Description:
file Posudek-Vedouci prace-Hodnoceni_vedouciho_BSP.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Posudek_oponenta_BSP_SI_GK_ME_Maslowska.pdf
Size:
176.67 KB
Format:
Adobe Portable Document Format
Description:
file Posudek-Oponent prace-Posudek_oponenta_BSP_SI_GK_ME_Maslowska.pdf
Download
Thumbnail Image
Name:
review_166896.html
Size:
3.34 KB
Format:
Hypertext Markup Language
Description:
file review_166896.html
Download
Collections
2025