Optimization of Spline Slip Surfaces Using Metaheuristic Search in LEM
Notice bibliographique
Résumé
The search for the critical slip surface on a slope is an optimization problem whereby the factor of safety is minimized over a set of parameters which define the shape of the slip surface.In limit equilibrium slope stability analysis, traditional methods for searching for the critical slip surface include grid search and auto-refine search.More recently, metaheuristic optimization methods such as Particle Swarm and Cuckoo Search, among other variations, have been used to search for critical slip surfaces.These simulate natural processes that search the solution space for a minimum solution for various optimization problems encountered in a vast range of disciplines.Typically, the parameters of spheres or ellipsoids which cut the ground topography are varied to create different slip surfaces.The parameters of cutting planes and wedges can also be varied to create multi-planar slip surfaces using the same metaheuristic techniques.However, critical slip surfaces are not always spherical, ellipsoidal, or planar in nature.This paper introduces a novel method which employs the use of three-dimensional spline surfaces in a metaheuristic search to find the critical slip surface in a slope.By varying the parameters which define the location, size and curvature of the spline, the critical slip surface can be found.The proposed formulation of parameters is shown to perform better than the parameters which define the preceding shapes due to the superior flexibility of a spline surface in its curvature.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».