|
|
 |
|
|
 |
Разработка ученых ПНИПУ позволит строить рентабельные всесезонные дороги вместо ненадежных «зимников»
Ученые ПНИПУ обучили нейросеть, которая способна с точностью до 92% прогнозировать поведение дорожных конструкций, усиленных геосинтетическими материалами, на слабых грунтах. Эта разработка является уникальной — подобных систем для расчета конструкций дорожного полотна такого типа в мировой практике пока не существует.
Статья опубликована в сборнике материалов Международного лесного форума «Лесное хозяйство в условиях глобальных вызовов: новые парадигмы устойчивого развития».
Российский лесопромышленный комплекс, которому принадлежит пятая часть мировых запасов древесины (при общей площади 894,4 млн гектаров), столкнулся с серьёзным кризисом. Доходы отрасли растут (54,2 млрд рублей в 2024 году), однако за десять месяцев 2025 года объем лесозаготовки сократился на 9%. Основной причиной спада стали логистические проблемы, которые особенно остро проявляются в удаленных регионах, где транспортная инфраструктура исторически развита слабо, а сложные природные условия — от заболоченных территорий до вечной мерзлоты — создают серьезные препятствия для строительства современных дорог.
При этом самые ценные леса с наибольшими запасами древесины находятся как раз в труднодоступных регионах. Это создает порочный круг: богатейшие ресурсы остаются недоступными из-за отсутствия дорог, а их проектирование и возведение в таких условиях требует колоссальных затрат, не окупаемых при традиционных методах.
На протяжении десятилетий лесозаготовки целиком зависели от «зимников» — временных дорог, которые можно использовать только в морозы. Промерзший грунт становился прочным основанием, а реки и болота, скованные льдом, превращались в надежные переправы. Такой подход позволял достигать самых удаленных участков леса, сводя к минимуму затраты на транспортировку.
Однако климатические изменения сделали этот подход ненадежным. Наблюдается сокращение зимнего сезона на 15-20% по сравнению с показателями 30-летней давности. Учащающиеся оттепели и тающая вечная мерзлота в северных регионах делают эксплуатацию «зимников» не только непредсказуемой, но и опасной.
В результате возникла необходимость массово переходить с сезонных «зимников» на всесезонные дороги. Однако слабые заболоченные грунты, характерные для лесных регионов, не выдерживают тяжести лесовозов, быстро образуя глубокие колеи. Это не только ухудшает состояние дорог, но и катастрофически увеличивает стоимость перевозки.
Сегодня для укрепления грунта используют геосинтетику — это прочные материалы из синтетических полимеров, которые не гниют в земле и служат десятилетиями. Чаще всего это сетки или полотна, которые укладывают между слоями дороги. Когда по дороге проезжает тяжелая машина, эта прослойка работает как арматура — они распределяют давление колес на большую площадь, не давая щебню утонуть в мягком грунте и предотвращая образование колеи. Такое решение позволяет создавать устойчивые дорожные конструкции даже на сложных грунтах, что особенно важно в труднодоступных регионах с заболоченными землями или вечной мерзлотой.
Существующие методы расчета прочности и долговечности дорог с геосинтетикой устарели. Они используют формулы и прошлый опыт, но не могут точно предсказать, как будут взаимодействовать современные материалы со сложными грунтами. В результате инженер сталкивается с риском: либо заложить в проект избыточное количество материалов, сделав его неоправданно дорогим, либо, пытаясь сэкономить, спроектировать дорогу, которая не выдержит интенсивных нагрузок и быстро разрушится.
Решение предложили ученые ПНИПУ: они обучили нейронную сеть, которая способна с высокой точностью прогнозировать поведение дорожных конструкций, усиленных геосинтетическими материалами, на слабых грунтах. Эта разработка является уникальной — подобных систем для расчета конструкций дорожного полотна такого типа в мировой практике пока не существует.
На первом этапе исследователи создали подробную базу данных, проведя сотни виртуальных экспериментов с дорожными конструкциями. Для этого использовался метод компьютерного моделирования, который позволяет мысленно разделить дорожную конструкцию на множество мелких частей и точно просчитать ее поведение под колесами тяжелой техники.
Было протестировано множество различных комбинаций параметров — менялись свойства грунта, характеристики дорожных слоев, тип синтетического укрепляющего материала и величина транспортной нагрузки. После каждого виртуального испытания программа фиксировала два ключевых показателя: величину просадки дорожного покрытия и уровень напряжения в укрепляющем материале.
На втором этапе ученые обучили нейронную сеть, используя накопленные данные виртуальных экспериментов. Она принимает на вход 13 параметров дорожной конструкции и выдает два ключевых показателя: величину просадки полотна и напряжение в геосинтетическом материале.
— Результаты испытаний подтвердили высокую эффективность разработанной нейронной сети. Модель продемонстрировала стабильную точность прогнозирования на уровне 90,76% при погрешности менее 10%, что полностью соответствует требованиям для практического применения в дорожном строительстве. Проведенные тесты показали надежность работы системы - в ходе независимых запусков точность прогнозов сохранялась в диапазоне от 88,27% до 92,06%, — комментирует Владимир Клевеко, доцент кафедры автомобильных дорог и мостов ПНИПУ, кандидат технических наук.
Кроме того, нейросеть показывает, какие именно параметры больше всего влияют на прочность дороги. Оказалось, что ключевым фактором является прочность грунта — именно от него в первую очередь зависит, насколько быстро образуется колея и какая нагрузка ляжет на геосинтетическую сетку. Чтобы предотвратить эту проблему, наиболее важна толщина асфальтового покрытия, а для долговечности самой сетки — ее жесткость.
В будущем ученые планируют запатентовать программное обеспечение, что станет важным шагом для его внедрения в практику проектирования. Разработанная методика позволит значительно ускорить этот процесс — время расчета сокращается, при этом пропадет необходимость в дорогостоящем специализированном программном обеспечении. Это дает проектировщикам и лесопромышленным компаниям доступный инструмент для создания надежных всесезонных дорог на слабых грунтах. В результате значительно снижается стоимость строительства и повышается рентабельность освоения удаленных лесных массивов. В конечном счете, снижение логистических издержек положительно скажется на себестоимости всей лесной продукции — от строительных материалов до бумаги и мебели.
Контактное лицо: Фазлетдинова Эллина Руслановна (написать письмо автору)
Компания: ПНИПУ (все новости этой организации)
Добавлен: 21:25, 03.12.2025
Количество просмотров: 102
Страна: Россия
| Ученые ПНИПУ нашли новый способ очищать воду от стронция, ПНИПУ, 21:28, 13.10.2026, Россия |
58 |
| Сегодня нередко в стоки и водоёмы попадают ионы стронция, способные вызывать у человека тяжелые заболевания. Но удалять их одновременно дёшево и быстро пока не получается. Ученые ПНИПУ создали новый материал для удаления стронция из воды. Их сорбент связывает больше ионов и работает в 3 раза быстрее аналогов. |
|
| «Поток-сирота»: ученый Пермского Политеха рассказал о звездопаде Дельта-Ауригиды, ПНИПУ, 21:26, 13.10.2026, Россия |
36 |
| В ночь с 10 на 11 октября можно будет увидеть Дельта-Ауригиды — один из самых интригующих, но малоизвестных звездопадов осени. Его радиант располагается в созвездии Возничего, а пик активности приходится на 11 октября. О том, почему Дельта-Ауригиды называют «потоком-сиротой» и как его не пропустить, рассказывает ученый Пермского Политеха. |
|
| Ученые Пермского Политеха рассказали, на что смотреть при покупке незамерзайки для машины, ПНИПУ, 21:15, 13.10.2026, Россия |
39 |
| С наступлением холодов перед каждым водителем встает вопрос: какую стеклоомывающую жидкость залить в бак, чтобы она не замерзла, справлялась с грязью и не навредила ни машине, ни людям в салоне. О том, из чего состоит незамерзайка и на что ориентироваться при ее выборе, рассказали ученые Пермского Политеха. |
|
|
|
|
|
|
|
Разделы //
Новости по странам //
Сегодня у нас публикуются //
|
|
