MétaCan
Menu
Retour à la cohorte
Enregistrement W4323023068 · doi:10.2991/978-94-6463-104-3_17

Spatial Variability of Input Motion in Stochastic Slope Stability

2023· book-chapter· en· W4323023068 sur OpenAlexaff
Pooneh Shah Malekpoor, Susana López‐Querol, Sina Javankhoshdel

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensRocscience (Canada)
Organismes subventionnairesnon disponible
Mots-clésStability (learning theory)Motion (physics)GeologyGeodesyComputer scienceArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

The slope stability has been widely analysed in the past, which demonstrates the significance of the subject in human life, especially in terms of life safety and economy. This is even more important in earthquake-prone areas where statically stable slopes may be triggered by the dynamic loads. Pseudo-static (PS) approaches are most used in the first stages of the regular assessment of seismic slope stability analysis. However, the spatial variability of the PS coefficient has not been considered so far in the realm of PS analyses, meaning that the value of the seismic coefficient is assumed to be constant at every location within a field while this is not true in the real case. The consideration of the variation of the PS coefficient is especially relevant to landslides in wide areas. This research aims at addressing this issue considering the stochastic nature of soils in seismic slope stability analysis within the framework of the limit equilibrium method (LEM) of slices, Monte Carlo (MC) simulation and random fields, termed 2D-RLEM. Results of parametric studies are presented, through which the sensitivity of stochastic slope stability problem to various factors, including different levels of spatially variable PS loading, the scale of fluctuation (SOF) of the PS coefficient random field, etc, are explored. It was concluded that the effect of different values assigned to the coefficient of variation and the SOF of the PS coefficient on the resulting slope probabilities of failure was more tangible for larger earthquakes.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,989
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,014
Tête enseignante GPT0,191
Écart entre enseignants0,177 · 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.

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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeotechnical Engineering and AnalysisTravaux en français237 207