MétaCan
Menu
Retour à la cohorte
Enregistrement W2956249015 · doi:10.1139/cgj-2018-0892

Stacked pile solution for axial load–settlement analysis of driven piles in multi-layered soils

2019· article· en· W2956249015 sur OpenAlexvenueno aff
Fawad S. Niazi, Karl E. Wangensten-Øye

Notice bibliographique

RevueCanadian Geotechnical Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPileStiffnessGeotechnical engineeringSettlement (finance)Shearing (physics)Nonlinear systemSoil waterModulusStructural engineeringReduction (mathematics)Axial symmetryEngineeringGeologyComputer scienceMathematicsSoil scienceGeometry

Résumé

récupéré en direct d'OpenAlex

The load–settlement (Q–s) response of deep foundations is influenced by the soil stiffness. One of the most common methods of installing these foundations is the process of driving, which changes the in situ soil stress and stiffness regime. The stiffness further reduces in a nonlinear manner as the loads and shearing strains increase within the soil. The decay in the stiffness of the soil surrounding an axially loaded pile varies with depth. While a variety of methods is available to predict the nonlinear Q–s response of piles in relatively simpler soil profiles, only select methods can handle the case of multi-layered soils, where the stiffness properties vary between layers. As an alternative, the Randolph analytical pile solution is exploited for (i) developing a new modulus reduction scheme from the back-analysis of load tests on driven piles that also accounts for plasticity of the soil, (ii) devising a methodology for generating modulus reduction curves for individual layers of a multi-layered system, and (iii) formulating a stacked pile model with integration of modulus reduction curves for an improved solution. The back-analysis process accounts for the installation effects on the in situ soil stiffness. A step-wise flowchart and example applications of the methodology are also presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,225
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207