Numerical Study of Reinforced Soil Segmental Walls Using Three Different Constitutive Soil Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A numerical finite-difference method (FLAC) model was used to investigate the influence of constitutive soil model on predicted response of two full-scale reinforced soil walls during construction and surcharge loading. One wall was reinforced with a relatively extensible polymeric geogrid and the other with a relatively stiff welded wire mesh. The backfill sand was modeled using three different constitutive soil models varying as follows with respect to increasing complexity: linear elastic-plastic Mohr-Coulomb, modified Duncan-Chang hyperbolic model, and Lade’s single hardening model. Calculated results were compared against toe footing loads, foundation pressures, facing displacements, connection loads, and reinforcement strains. In general, predictions were within measurement accuracy for the end-of-construction and surcharge load levels corresponding to working stress conditions. However, the modified Duncan-Chang model which explicitly considers plane strain boundary conditions is a good compromise between prediction accuracy and availability of parameters from conventional triaxial compression testing. The results of this investigation give confidence that numerical FLAC models using this simple soil constitutive model are adequate to predict the performance of reinforced soil walls under typical operational conditions provided that the soil reinforcement, interfaces, boundaries, construction sequence, and soil compaction are modeled correctly. Further improvement of predictions using more sophisticated soil models is not guaranteed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle