在永久冻土地区修路 俄将使用神经网络

扫一扫

该技术将用于目前只能使用冬季临时路的地区铺设牢固的全年性道路，预测准确率达92%。气候恶劣地区，普通运木道路会很快损坏，现有计算方法无法准确预测新材料的实际使用效果。专家认为，这项自有技术为AI在道路工程领域的应用开辟了广阔前景。 

关键指标

彼尔姆理工大学研究者开发的神经网络，能准确预测使用土工合成材料加固道路的变化。科学家们表示，目前全球尚无类似系统。他们首先进行了数百次计算机实验，模拟不同道路和土壤，记录路面沉降和加固材料应力。再基于这些数据训练神经网络，使其根据13个输入结构参数，得出沉降值和应力水平两个关键结果。彼尔姆理工大学公路和桥梁教研室副教授、工学副博士克列韦科（Vladimir Kleveko）说：“测试结果证明该神经网络高效。误差小于10%的情况下，该模型预测准确率稳定达到90.76%，完全符合实际道路建设要求。测试显示该系统工作可靠，多次独立运行预测准确率保持在88.27%-92.06%之间。”

此外，神经网络还能显示哪些参数对道路强度影响最大。研究表明，土壤强度是关键因素，该因素主要决定车辙形成速度和土工网承载负荷。避免车辙形成，沥青厚度至关重要，土工网耐久性则取决于其刚度。未来，科研团队计划为该方法软件申请专利，推动其实际应用于工程设计。该方法无需昂贵软件即可快速计算，为设计单位和林业企业提供一种实惠工具，在松软土层上铺设坚固的全年性道路。这将降低建设成本，使偏远林区开发更具经济效益，降低物流费用将影响从建材、纸张到家具的整个森工行业成本。 

道路问题

人工智能发展：莫斯科及其他地区现状与前景
 

俄罗斯林业部门有全球最大森林蓄积量，但目前正面临危机：尽管2025年前十个月收入增长，木材采伐量却因物流问题下降9%。主要困难在于偏远地区道路稀少，自然条件（沼泽、河流、永久冻土）极大增加建设正常基础设施的难度。克列韦科说，最富集的森林资源恰恰在难以抵达地区，筑路成本过高，始终无法收回投资。该专家指出，林业部门长期依赖冬季临时路，即在冻结地面和冰面上铺设的季节性道路，仅冬季存在，可通到最偏远林区。随着气候变暖，严寒期缩短，冬季大约缩短15%-20%，解冻天气频发，北方地区永久冻土开始融化，导致冬季临时路变得难以预测且不安全。

如今，铺设全年通行道路成为必然选择，但松软的沼泽地基难以承受重型车辆：易形成深车辙，道路损毁快，运输成本上升。加固此类道路可使用土工合成材料。这是种铺设在道路层间的坚固合成材料，能分散荷载，防止筑路碎石下陷。 

应用潜力

发展北方航运 俄将启动大规模港口改造
 

这项技术有望解决俄罗斯的一大发展瓶颈——偏远资源富集区的交通可达性。92%的预测准确率使其实际价值远超直观呈现。不过，“俄气ID运营商”公司产品组负责人多尔戈波洛夫（Ruslan Dolgopolov）认为，该技术部署与维护成本超过节省的材料费和地质勘探费，就会带来负面经济效益。他说：“铺设全年性牢固道路，将解锁目前因物流问题不具开发效益的资源。”此前，沥青混合料添加合成组分延缓路面磨损的技术，仅基于数学建模进行分析。本项技术创新之处在于使用神经网络。Т1控股公司AI方向负责人戈利岑（Sergey Golitsyn）认为，多层网络能综合海量参数，快速模拟复杂材料行为，显著提升过程效率。

俄圣光机大学人工智能研究所高级研究员、工学副博士、国家技术倡议认知发展中心专家列温（Ilya Levin）说：“这项技术在以下方向具有发展潜力：降低林业建设和物流成本、开发资源丰富的偏远地区、以有利的全年道路替代不可靠的冬季临时路。”他说，该方法已证明其实际适用性，可成为复杂条件下林业可持续发展的基础。

需浏览俄文原文稿件，请登陆《消息报》网站  

| www.tsrus.cn/684885| 

安东·别雷（Anton Bely）