MétaCan
Menu
Retour à la cohorte
Enregistrement W4297101595 · doi:10.1139/cgj-2021-0669

Calibration of resistance factors for design of shallow foundations against sliding

2022· article· en· W4297101595 sur OpenAlexafffundvenueabout
Pengpeng He, Gordon A. Fenton

Notice bibliographique

RevueCanadian Geotechnical Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésGeotechnical engineeringSoil waterMonte Carlo methodFactor of safetyResistance FactorsLimit state designStructural engineeringReliability (semiconductor)Foundation (evidence)EngineeringShallow foundationSafety factorCalibrationGeologyMathematicsStatisticsSoil scienceBearing capacity

Résumé

récupéré en direct d'OpenAlex

The design of shallow foundations typically proceeds by using the load and resistance factor design (LRFD) methodology to avoid various limit states with some probability. This paper looks at the sliding limit state of shallow foundations, and the sliding resistance factors required for the LRFD approach are estimated using reliability analyses of surface strip foundations. Cohesive and frictional soils are separately studied under wind loading conditions. Monte Carlo simulations are used to estimate the sliding failure probability of foundation designs on cohesive soils, and an analytical method is developed for frictional soils. The results indicate the existence of a “worst case” correlation length for cohesive soils, and the sliding resistance factor required to achieve target maximum lifetime failure probabilities is around 0.4–0.65 for moderate soil variability. For frictional soils, the required sliding resistance factor is about 0.5–0.85 for ν ϕ′ = 0.15. Overall, the sliding resistance factors recommended here agree well with the resistance factors of ϕ gu = 0.6 for cohesive soils and ϕ gu = 0.8 for frictional soils stipulated by geotechnical LRFD code provisions in Canada. The analyses can be used to estimate the reliability of current designs and can also aid the calibration of geotechnical design codes.

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 enseignants0,984
Score d'incertitude au seuil0,468

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 Opus0,021
Tête enseignante GPT0,211
Écart entre enseignants0,189 · 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
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207