Modeling Brittle-to-Ductile Transitions in Rock Masses: Integrating the Geological Strength Index with the Hoek–Brown Criterion
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
Many studies focus on brittle–ductile transition stress in intact rocks; however, in real life, we deal with rock mass which contains many discontinuities. To fill this gap, this research focuses on the brittle–ductile transition stress of rock mass by considering the influence of different Geological Strength Index (GSI) values on the brittle–ductile transition stress of rock mass. In other words, the Hoek–Brown failure criteria for rock mass were reformulated mathematically including the ductility parameter (d), which is defined as the ratio of differential stress to minor stress. Then, the results were analyzed and plotted between σ3*σc and GSI, considering different (d) and Hoek–Brown material constant (mi) values. The brittle–ductile transition stress, σ3*, was determined by intersecting the Hoek–Brown failure envelope with Mogi’s line, with ductility parameters d ranging from 3.4 (silicate rocks) to 5.0 (carbonate rocks). Numerical solutions were derived for σ3*σc as a function of GSI using Matlab, and the results were fitted with an exponential model. The analysis revealed an exponential relationship between σ3*σc and GSI for values above 32, with accuracy better than 3%. Increased ductility reduces rock mass strength, with higher d values leading to lower σ3*σc. The diminishing returns in confinement strength at higher GSI values suggest that rock masses with higher GSI can sustain more confinement but with reduced effectiveness as GSI increases. These findings provide a framework for predicting brittle–ductile transitions in rock engineering.
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 | 0,000 | 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 | 0,001 |
| 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