Post by Dr. Michael Mett

Herzlichen Glückwunsch lieber MSc. Ghader Saadati Saadati für die Publikation: "Bridging interpretability and deep intelligence: An interpretable-to-deep (I2D) AI framework for tunnel convergence prediction"   in der Fachzeitschrift "Geodata and AI" von Elsevier (DOI: https://lnkd.in/d_5sxN8c). Die Publikation ist Teil der Dissertation, die unser Dibit Measuring Technique Kollege MSc. Ghader Saadati an der Universität Innsbruck am Arbeitsbereich für Geotechnik im Fachbereich „Numerische und experimentelle Bodenmechanik“ (Soil Mechanics Innsbruck (SMI)) bei seiner Betreuerin Prof. Barbara Schneider-Muntau durchführt. Die Studie untersucht den aktuellen Stand der Künstlichen Intelligenz zur Vorhersage von Tunnelkonvergenzen und analysiert mehr als 50 internationale Fachpublikationen aus den Jahren 2018 bis 2024. Dabei werden Machine-Learning-, hybride KI- und Deep-Learning-Methoden hinsichtlich Genauigkeit, Interpretierbarkeit, Robustheit und Praxistauglichkeit systematisch verglichen. Auf Grundlage dieser Analyse entwickeln die Autoren das neuartige „Interpretable-to-Deep“ (I2D)-Framework. Das fünfstufige Konzept verbindet Felddaten aus dem Tunnelmonitoring, Datenaufbereitung, hybride KI-Verfahren, Deep-Learning-Modelle sowie Vorhersage- und Entscheidungsunterstützung in einer integrierten Architektur. Ein zentrales Ziel des Frameworks ist es, die Lücke zwischen gut interpretierbaren KI-Modellen und hochleistungsfähigen Deep-Learning-Ansätzen zu schließen. Dadurch sollen Vorhersagen von Tunnelverformungen nicht nur genauer, sondern auch transparenter, nachvollziehbarer und besser für Echtzeit-Entscheidungen im Tunnelbau nutzbar werden. Die Arbeit zeigt einen klaren Trend von isolierten Vorhersagemodellen hin zu integrierten, datengetriebenen und erklärbaren KI-Systemen und liefert einen praxisorientierten Fahrplan für die nächste Generation intelligenter Tunnelmonitoring- und Entscheidungsunterstützungssysteme. https://lnkd.in/d4PMKDM9 #wearedibit #AI #innovation Mohammadreza Mohebbi Dr. Michael Mett Sina Javankhoshdel, Javad Mohebi