Ultimate limit state reliability-based design of augered cast-in-place piles considering lower-bound capacities
Notice bibliographique
Résumé
The use of augered cast-in-place (ACIP) piles for transportation infrastructure requires an appropriate reliability-based design (RBD) procedure. In an effort to improve the accuracy of an existing design model and calibrate appropriate resistance factors, this study presents a significantly revised RBD methodology for estimating the shaft and toe bearing capacity of ACIP piles using a large database consisting of static loading tests in predominately granular soils. The proposed design models are unbiased, as opposed to those currently recommended. Based on the reasonable assumption that a finite lower-bound resistance limit exists, lower-bound design lines are developed for shaft and toe bearing resistance by applying a constant ratio to the proposed design models. Resistance factors are calibrated at the strength or ultimate limit state (ULS) for ACIP piles loaded in compression and tension for two commonly used target probabilities of failure with and without lower-bound limits. For piles loaded in compression, separate resistance factors are calibrated for the proposed shaft and toe bearing resistance models. The inclusion of a lower-bound limit for piles loaded in tension results in a 24%–50% increase in the calibrated resistance factor. For piles loaded in compression, the application of a lower-bound limit results in a 20%–150% increase in the calibrated resistance factor, and represents a significant increase in useable pile capacity. Although the impact of a lower-bound limit on resistance factor calibration is directly dependent on the degree of uncertainty in the distribution of resistance, this effect is outweighed by the type of distribution selected (i.e., normal, lognormal) at more stringent target probabilities of failure due to differences in distribution shape at the location of the lower-bound limit. A companion paper explores the use of the revised ULS model in a reliability-based serviceability limit state design framework.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».