Validation of empirical rock mass classification systems for rock slopes
Notice bibliographique
Résumé
ABSTRACT Many classification systems have been proposed in the literature to identify the state of stability of rock slopes. Most of these classification systems involve factors relevant to the general condition of the rock mass, for example, intact rock strength (UCS), geometry and condition of discontinuities, and groundwater condition. Such factors represent the basic part of most of the classification systems, which refer to the well-known Bieniawski’s Rock Mass Rating or RMR system. However, these factors were initially developed for underground excavations. Therefore, these classification systems have been subjected to many criticisms and were questioned for their suitability for rock slopes. In this paper, some of the common classification systems for rock slopes are used to identify their suitability for rock cuts. Twenty two sites of rock cuts in mountainous roads affected by heavy rainfall in the southwestern part of Saudi Arabia have been selected as case studies, and four empirical methods are examined for these case studies. The selected methods are Slope Mass Rating or SMR (Romana, 1985), continuous SMR (Tomas, 2007), Chinese SMR (Chen, 1995), and a graphical SMR (Romana, 2012). The stability conditions for each site have been determined by each of these methods and a comparison between the results is made for the case of plane failure mode. It is shown that some of the empirical methods are not applicable such as Chinese SMR (for slopes less than 80 m high), and the graphical SMR method when the slope angle is more than 80°.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 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 ».