District-scale numerical analysis of settlements related to groundwater lowering in variable soil conditions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study presents a novel framework in which numerical modelling contributes to the performance of district-scale, subsidence-induced damage assessment in cities where ground settlements affect entire quarters. Therein, the implementation of expeditious procedures offers geotechnical engineers the possibility of contributing beyond the typical site scale. For this purpose, several “typified” hydro-geomechanical-loading (HGL) models, which represent (simplified) scenarios of masonry buildings undergoing settlements, were set up to account for different predisposing or triggering factors (i.e., soil heterogeneity, loading conditions, and groundwater variations) of settlement occurrence in built-up areas. These models exploit multi-source, wide-area input datasets encompassing the hydro-mechanical properties of geomaterials, in situ investigations and measurements (e.g., groundwater levels in wells), and innovative remote sensing data (i.e., DInSAR techniques). With reference to a district in Rotterdam City (the Netherlands), which was built on “soft soils”, the numerical simulations of different scenarios (i) provide an overview of the comparative role of predisposing or triggering factors on settlement occurrence and (ii) allow assessments of the expected induced damage to masonry buildings over 30 years with the exploitation of fragility curves. Considering the widespread diffusion of such geohazards, the proposed approach could help prioritise (rather expensive) maintenance work to the built heritage within sustainable strategies for subsidence risk mitigation.
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.
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 | 0,002 |
| 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) | 0,001 | 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 découle