Reliability assessment of rainfall-induced slope stability using Chebyshev–Galerkin–KL expansion and Bayesian approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Soil spatial variability has essential influence on the reliability of geotechnical structures. Karhunen–Loève (KL) series expansion is an effective approach to characterize such features of soil properties. Acquiring solution for Fredholm integral equation of the second type is a necessary prerequisite; however, the corresponding analytical expressions are only available for limited circumstances. To overcome this challenge, a newly proposed method called Chebyshev–Galerkin–KL expansion was developed to discretize the random fields of soil parameters, from which the approximated eigenvalues and eigenfunctions can be obtained using the Chebyshev orthogonal polynomials of the second kind combined with Galerkin technique. Application of the proposed approach is illustrated through reliability analysis of an unsaturated slope example under different rainfall patterns, where the uncertainty in selection of a “best” soil-water characteristic curve (SWCC) model and statistical uncertainties in SWCC model parameters are taken into account. Results show that the developed approach is feasible to generate random fields with sufficient accuracy. Under a constant rainfall duration, the Advanced pattern may lead to shallow landslide with the highest probability, followed by Intermediate and Delayed. It should be noted that Bayesian inference and determination of optimal SWCC model should be carried out prior to reliability analysis. Otherwise, the landslide risk level would be exaggerated.
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.
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 | 0,001 | 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 | 0,001 |
| 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 découle