Evaluation of Empirical Methods for Estimating Tunneling-Induced Ground Movements—Los Angeles Metro K Line Crenshaw/LAX Transit Project
Notice bibliographique
Résumé
Empirical methods for estimating tunneling-induced ground movements have been widely adopted in the tunneling industry. The transverse surface settlement profile can be described by a Gaussian curve or a modified Gaussian curve whose maximum value and trough width are related to volume loss. Volume loss in turn is related to soil type, tunnel geometry, and construction techniques. Several empirical equations have been developed based on the Gaussian curve and the assumptions of (1) trough width dependency on tunnel depth and ground condition; and (2) volume loss dependency on the ground type and construction techniques. For Earth Pressure Balance Machine (EPBM) tunneling, a volume loss of 0.5% in granular soils and 1%–2% the soft clay has been assumed in the past as an initial estimate. However, with complete filling and pressurization of both the shield (overcut) gap and the grouted tail gap around the lining, volume losses below 0.1% to 0.2% are being achieved in the alluvial granular and clay soils on current Los Angeles Metro tunneling projects. The LA Metro K Line Crenshaw/LAX transit project, tunneled from 2016 to 2018, has provided an opportunity to acquire and organize data on compatible data management systems, and evaluate the extensive field monitoring data for ground conditions specific to predominately granular soils in Old Alluvium. These data allow for the improvement of current empirical methods and correlations for predicting surface settlement induced by EPBM tunnels. The approximately 1-mi (1.6-km)-long, 20.6-ft (6.5-m)-diameter twin tunnels were excavated by an EPBM in a dense sand layer overlain by a silt/clay layer. The cover-to-diameter ratio was consistently about 2. The settlements and volume losses are observed to be heavily dependent on the face/shield pressures. In general, maintaining continuous pressures can significantly reduce settlements. An equation for estimating the volume loss based on the measured EPBM shield pressures is proposed. This equation can be used with the existing empirical methods to estimate the surface settlement profile transverse to the longitudinal axis of the tunnel.
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 | 0,003 | 0,001 |
| 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 ».