MétaCan
Menu
Retour à la cohorte
Enregistrement W2999567367 · doi:10.1061/9780784482100.019

Pore Water Response of Seabed Soils during Multi-Hazards: Model Validation

2019· article· en· W2999567367 sur OpenAlexaboutno aff
Ying Qing Qiu, H. Benjamin Mason, Michael H. Scott

Notice bibliographique

RevueGeo-Congress 2019 · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoil waterSeabedEnvironmental scienceGeologySoil scienceOceanography

Résumé

récupéré en direct d'OpenAlex

Coastal structures are prone to multi-hazard loading; for instance, earthquake ground shaking, and subsequent tsunami loading. The instability of seabed sand caused by residual and momentary liquefaction, as well as large bed shear stresses, are primary concerns for engineers. The foregoing soil response is related to the soil’s pore water pressure response during and after earthquake shaking, i.e., before the tsunami attack. Our objective is to develop and validate a one-dimensional numerical model in OpenSees to simulate the excess pore water generation and dissipation during and immediately after earthquake loading. The model consists of four node elements and the pressure dependent multi-yield material model, and we validate the model through comparisons with LEAP-GWU-2015 centrifuge test data. In addition, we perform a convergence study to examine sensitivity to mesh size, time step, and convergence criteria. The results show that the numerical model captures the magnitude of the excess pore water pressure and its long-term asymptotic dissipation response well, and the permeability has a large impact on the excess pore water pressure response, as expected. Our work gives reference parameters for the Ottawa-F65 sand used in the LEAP-GWU-2015 centrifuge tests. The results indicate that our model can be adopted for future research on the liquefaction potential for coastal structures during complex, multi-hazard loading scenarios.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,792

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeo-Congress 2019Même sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207