Investigating the Potential of the Material Point Method to Model the Run-Out Behavior Observed in Centrifuge Experiments
Notice bibliographique
Résumé
Improving the prediction of landslides and debris flow is essential to understand and mitigate the risks they pose. The material point method (MPM) is a hybrid Eulerian-Lagrangian approach that uses an Eulerian grid to compute the momentum and collisions while Lagrangian particles are used to track the material state. Thus, it is a methodology well suited to model large deformations without issues such as mesh distortion. However, while existing literature has demonstrated the potential of this method with comparisons to general observations from field data, there is a lack of validation against experimental data of run-out in the field of landslides. In this study, the results from recent centrifuge results idealizing a dam breach are used to illustrate the vastly different run-out behaviors fine-grained materials can show, ranging from static liquefaction and rapid run-outs to seepage and slope instability driven run-outs occurring at a much slower rate. Ultimately, the experiments showed that the state parameter, measured or inferred from CPTs, can be used to distinguish between the dominant deformation and failure mechanisms. This paper presents preliminary results from MPM analyses of element tests and small column collapses with a focus on material properties reflecting the state parameter. This motivates the use of MPM with constitutive models utilizing an effective stress-based interpretation of the material response to be applied to landslides, debris flows, and other run-out problems of civil engineering interest.
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 | 0,000 |
| 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 ».