MétaCan
Menu
Retour à la cohorte
Enregistrement W2083360834 · doi:10.1016/j.jrmge.2014.05.003

Effect of graph generation on slope stability analysis based on graph theory

2014· article· en· W2083360834 sur OpenAlexaff
Enpu Li, Xiaoying Zhuang, Wenbo Zheng, Yongchang Cai

Notice bibliographique

RevueJournal of Rock Mechanics and Geotechnical Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of ChinaCentral South UniversityNational Science Foundation
Mots-clésSlope stabilitySlope stability analysisSlip (aerodynamics)Safety factorStrength reductionBenchmark (surveying)GraphStability (learning theory)MathematicsComputer scienceApplied mathematicsStructural engineeringGeotechnical engineeringGeologyEngineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Limit equilibrium method (LEM) and strength reduction method (SRM) are the most widely used methods for slope stability analysis. However, it can be noted that they both have some limitations in practical application. In the LEM, the constitutive model cannot be considered and many assumptions are needed between slices of soil/rock. The SRM requires iterative calculations and does not give the slip surface directly. A method for slope stability analysis based on the graph theory is recently developed to directly calculate the minimum safety factor and potential critical slip surface according to the stress results of numerical simulation. The method is based on current stress state and can overcome the disadvantages mentioned above in the two traditional methods. The influences of edge generation and mesh geometry on the position of slip surface and the safety factor of slope are studied, in which a new method for edge generation is proposed, and reasonable mesh size is suggested. The results of benchmark examples and a rock slope show good accuracy and efficiency of the presented method.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,187
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rock Mechanics and Geotechnical EngineeringMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207