Probabilistic 3D modeling of layered soil deposits: Application in seismic risk assessment
Notice bibliographique
Résumé
Estimating the soil properties and the associated heterogeneity is critical in geotechnical risk assessment, particularly in a large urban area and for infrastructural development projects. Seismic hazard studies acknowledge the considerable impact of local soil conditions on the amplitude and frequency of incoming seismic waves. This is particularly challenging in areas with highly variable soil properties and limited soil sampling. A multi-step probabilistic approach is proposed to model the soil-types at a regional scale, involving a large database that incorporates surface and subsurface data with clustered sampling pattern, and highly skewed statistical parameter distributions. First, the Empirical Bayesian Kriging (EBK) method is applied for the interpolation of the total subsoil and till thickness. The results from the EBK method appear more accurate compared with the estimates from the triangulated irregular network. The soil-types and associated \nprobability of occurrence are determined from the continuous till deposit at the bottom and the ground surface topography, using sequential indicator simulation. This simulation method allows predicting the probability of occurrence of discontinuous soil layers in the full 3D model, a real aspect of the soil variability. The predicted soil-types and their probabilities allow better consideration of key geological uncertainties in risk evaluation. \n \nL’estimation des propriétés des sols et de leur hétérogénéité est essentielles pour l'évaluation des risques géotechniques, en particulier dans une grande zone urbaine et pour les projets de développement d’infrastructures. Les études sur les risques sismiques reconnaissent l'impact considérable des conditions locales du sol sur l'amplitude et la fréquence des ondes sismiques. Cela est particulièrement difficile dans les zones où les propriétés du sol sont très variables et où l'échantillonnage du sol est limité. Une approche probabiliste en plusieurs étapes est proposée pour modéliser les types de sols à l'échelle régionale, impliquant une grande base de données qui incorpore des données de surface et souterraines avec un modèle d'échantillonnage en grappes et des distributions statistiques très asymétriques des paramètres. La \nméthode de krigeage bayésien empirique (EBK) a été appliquée pour l'interpolation de l'épaisseur totale du sous-sol et du till. Les résultats de la méthode EBK sont plus exacts que les estimations obtenues par réseau triangulé irrégulier. Les types de sol et leur probabilité d’occurrence sont déterminés depuis le dépôt de till continu jusqu’à topographie de la surface du sol, à l'aide d'une simulation d'indicateur séquentiel. Cette méthode de simulation permet de prédire la probabilité d'occurrence de couches de sol non continues dans le modèle 3D complet, un aspect réel de la variabilité spatiale du sol. Les types de sols prévus et leurs probabilités permettent une meilleure prise en compte des facteurs géologiques clés dans l'évaluation probabiliste des risques géotechniques.
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 ».