Integrated Analysis Framework for Predicting Surface Runoff, Infiltration, and Slope Stability
Notice bibliographique
Résumé
Buildup of pore-water pressure due to water infiltration during an extreme rainfall event is a major cause of many landslides worldwide. A competent simulation model can greatly contribute to the reliable landslide prediction and prevention. Infiltration is transient, dependent on subsurface conditions, surface runoff characteristics, and rainfall hyetograph. However, conventional analysis commonly relies on the assumptions of infiltration rate and/or water table location, which cannot be determined reliably a priori. In this paper, an integrated analysis framework for prediction of surface runoff, infiltration, pore water pressure, and geomechanical stresses is presented. A fully coupled groundwater-surface water interaction numerical model, HydroGeoSphere, is used to compute the transient surface runoff and subsurface pore-water pressure responses due to rainfall simultaneously without the need to make assumptions about the infiltration rate. Therefore, rainfall hyetograph can be used directly as an input parameter in the numerical model. The computed pore-pressure as a function of time is used as input to slope stability analysis using finite element methods. A simplified example based on a full-scale instrumented slope in Hong Kong is presented to illustrate the integrated framework. The subsurface profile, soil properties, and boundary conditions were taken from the data obtained from a site investigation. A range of rainfall conditions was analyzed to evaluate the validity of some of the assumptions commonly made in conventional analysis approach.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».