A Methodology for the Analysis of Tunnel Intersections Using Two-dimensional Numerical Modeling
Notice bibliographique
Résumé
Abstract Intersections of tunnels are an integral component of most underground applications. The design and construction of tunnel intersections can be the most technically challenging element of a tunnel project. Yet, there are relatively few publications and methods regarding tunnel intersection design. Tunnel intersections are essentially a three-dimensional problem. However, 3D models require significantly longer time for solving and interpreting, greater computer resources, and higher user expertise. Hence, there is a great incentive to develop simpler and quicker analysis methods for tunnel intersections. In this paper, a methodology is developed so that a 3D tunnel intersection problem can be modelled using an equivalent 2D numerical model. For this purpose, it is proposed that the main tunnel cross section is modelled with an additional horizontal expansion component that represents the cross tunnel. Multiple 3D and 2D models were computed for the purpose of finding the expansion distances in the 2D models that yield similar deformations to the 3D models. Based on the results, regression analysis was employed to derive a formula relating the ratio of equivalent diameters of the main to cross tunnel to the proper expansion distance. This formula provides a useful and practical tool for preliminary tunnel intersection design. The current work relies on a number of assumptions, mainly that the rock mass is elastic. More work can be carried out to extend and modify the proposed method for more complex conditions.
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 | 0,001 |
| 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 ».