Situering
De steeds toenemende beschikbaarheid van data brengt veel mogelijkheden met zich mee. Ook binnen deskundigenonderzoek kunnen data-gedreven technieken tot betere inzichten leiden. Schadegevallen worden misschien toegeschreven aan onvoorziene omstandigheden maar waren die omstandigheden wel echt onverwacht? Hierbij kunnen verzamelde data en hun statistische verdelingen verheldering brengen.
In dit webinar worden de rol van data en onzekerheid in detail toegelicht. De concrete technieken van machine learning en Monte-Carlo simulatie worden besproken. Machine learning gebruikt reeds verzamelde data om predictieve modellen te trainen. Op die manier wordt bestaande ervaring vertaald naar een concreet mathematisch model. Een Monte-Carlosimulatie is een simulatietechniek waarbij een fysiek proces niet één keer maar vele malen wordt gesimuleerd, telkens met andere startcondities. Het resultaat van deze verzameling simulaties is een verdelingsfunctie die het hele gebied van mogelijke uitkomsten weergeeft. Machine learning en Monte-Carlosimulaties worden in verschillende wetenschappelijke toepassingen gebruikt, zoals bij complexe engineeringprojecten waar onzekerheden een belangrijke rol spelen. Zo maakte de recente studie van Elia m.b.t. de bevoorradingszekerheid (zgn. Adequacy Study) uitgebreid gebruik van die techniek.
De Monte-Carlomethode wordt meestal toegepast in situaties waarin (i) het resultaat van één enkele simulatie niet voldoende representatief is i.v.m. de in werkelijkheid te verwachten variatie van (of onze-kerheid m.b.t.) de startcondities, of (ii) de variatie of onzekerheid van die startcondities bekend is of met voldoende betrouwbaarheid ingeschat en gekwantificeerd kan worden. In situaties waar een groot volume aan data beschikbaar is, kan machine learning oplossingen bieden.
Kunnen Monte-Carlosimulaties en machine learning ook in deskundigenonderzoeken worden aangewend m.h.o.o. waarheidsvinding of voor een meer nauwkeurige bepaling van de geleden schade?
Daarnaast is de laatste maanden ook veel te doen rond taalmodellen zoals ChatGPT. Dit is een specifieke toepassing van machine learning die “getraind” werd met grote hoeveelheden teksten. Vervolgens kan de aldus verworven kennis gebruikt worden om bv. teksten samen te vatten. We onderzoeken of deze techniek ook van toepassing zou kunnen zijn bij het analyseren en samenvatten van de uitgebreide teksten waar we bij deskundigenonderzoeken vaak mee geconfronteerd worden.
Deze onderwerpen komen op onderhavige contactavond aan bod.
Korte beschrijvingen
Lezing over Monte-Carlosimulaties in deskundigenonderzoeken
Binnen de geotechniek, waar grondmechanische parameters steeds onderworpen zijn aan significante onzekerheid, vinden Monte-Carlosimulaties meerdere toepassingen. De deterministische analyses die nog steeds gangbaar zijn voor de meeste projecten, kunnen worden verbeterd door de waarschijnlijkheidsverdeling van de (grondmechanische) input-parameters expliciet te modelleren. Een eerste deel van de presentatie toont welke aandachtspunten er zijn bij de selectie en fitting van een waarschijnlijkheidsverdeling. In het tweede deel wordt dieper ingegaan op het gebruik van de Monte-Carlosimulaties in concrete toepassingen. Een eerste toepassing bespreekt axiaal belaste palen voor offshore platformen. Deze moeten voldoende draagkrachtig zijn om de extreme krachten door stormen te kunnen weerstaan. Zowel de aangrijpende krachten door golven en wind als de grondmechanische parameters kunnen probabilistisch gemodelleerd worden om tot een optimaal paalontwerp te komen. Een tweede toepassing beschrijft het voorkomen van obstructies voor het heien van funderingspalen voor offshore wind turbines. Monte-Carlotechnieken kunnen helpen om in deze situaties duidelijkheid te scheppen over de te verwachten onzekerheid.
Lezing over bouwkundige toepassingen van machine learning
De digitalisering zet zich door op alle vlakken van de samenleving, ook binnen de bouwkunde worden data van modellen en uitvoering steeds meer ontsloten via digitale toepassingen. Dit laat ingenieus toe om met die data aan de slag te gaan en modellen te maken die historische ervaringen vertalen naar bruikbare beslissingstools. In dit deel van de lezing worden twee voorbeelden gegeven van predictieve modellen die aan de hand van ervaring werden opgesteld. De heibaarheid van palen voor offshore windmolenparken en het voorspellen van grondparameters op basis van de CPT zijn toepassingen die een inzicht kunnen geven in de toepassing van regressie- en classificatiemodellen binnen de bouwkunde.
Lezing over verwerking van natuurlijke taal in deskundigenonderzoeken
In deskundigenonderzoeken wordt men vaak geconfronteerd met grote hoeveelheden, vaak uitgebreide teksten, waarvan niet zelden ook meerdere versies in omloop zijn. Ook bij het zoeken naar specifieke termen of bij het samenvatten hiervan kunnen AI-technieken een belangrijk hulpmiddel zijn. Een taalmodel zoals ChatGPT (of zijn Google-tegenhanger Bard) kan hier in de toekomst een grote hulp bieden. We onderzoeken in welke mate deze technieken vandaag of in de nabije toekomst toepasbaar zijn in deskundigenonderzoeken.
120,00 € voor niet-leden
84,00 € voor individuele leden ie-net
84,00 € voor bedrijfspartners ie-net
84,00 € voor leden BVBR - BGGG - GEBCAI - IAE - KCLE - LRGD - VVLE - BAMTES - FEBEVEX (vraag uw kortingscode op)
60,00 € voor individuele leden ie-net <30j | >65j
bedragen vrijgesteld van btw
Maak gebruik van de KMO-portefeuille en bespaar tot 30% op je opleiding !
Erkenningsnummer DV.O217461
Meer weten over KMO-portefeuille? Klik hier.
Het toepassingsgebied van de kmo-portefeuille wordt vanaf januari 2023 beperkt tot een aantal toekomstgerichte thema’s die je kan terugvinden op de website van de Vlaamse overheid.
Je zal alleen nog voor opleidingen en adviezen binnen minstens één van deze thema’s steun krijgen via de kmo-portefeuille.
Deze opleiding valt onder het thema:
INNOVATIE
3 opleidingsuren