MétaCan
Menu
Retour à la cohorte
Enregistrement W3170756948 · doi:10.1139/cgj-2020-0782

Design of foundations against differential settlement

2021· article· en· W3170756948 sur OpenAlexafffundvenue
Farzaneh Naghibi, Gordon A. Fenton

Notice bibliographique

RevueCanadian Geotechnical Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésServiceability (structure)Settlement (finance)Differential (mechanical device)Human settlementGeotechnical engineeringStiffnessStructural engineeringFoundation (evidence)EngineeringMathematicsLawComputer science

Résumé

récupéré en direct d'OpenAlex

The serviceability limit state (SLS) design of foundations typically proceeds by limiting the total settlement of individual foundations and thereby attempting to restrict the differential settlement between pairs of foundations. Due to the uncertain nature of the supporting ground, the magnitude of settlement and differential settlement are random. As it is often the differential settlement that governs serviceability, it is desirable to provide design requirements that suitably restrict differential settlements. This paper investigates, by Monte Carlo simulation, the distribution of the maximum differential settlement between pairs of foundations as a function of the spacing between foundations and the number of foundations — groups of four, nine, or 16 foundations, arranged on a grid — are considered. The effects of the correlations between the equivalent stiffness of the ground under each foundation, as well as between the loads applied to the foundations, on the distribution of the maximum differential settlements and angular distortions are investigated. Ratios of resistance factor to resistance bias factor are presented that can be used to calibrate design requirements on the total settlement of individual foundations that also simultaneously achieve acceptable performance with respect to angular distortion.

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: aucune
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,565

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,192 · 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

Citations6
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207