MétaCan
Menu
Retour à la cohorte
Enregistrement W4407976220 · doi:10.3390/app15052502

Numerical Study on Redbed Slope Stability Under Multi-Factor Conditions

2025· article· en· W4407976220 sur OpenAlexaff
Hua Wen, Hanglin Li, Teng Pang, Jiujiang Wu

Notice bibliographique

RevueApplied Sciences · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésGeology

Résumé

récupéré en direct d'OpenAlex

Redbed soft rocks, widely distributed in China, are highly susceptible to weathering, disintegration, and strength reduction under environmental and engineering disturbances, posing critical challenges for slope stability. This study investigates the stability and failure mechanisms of high road-cut slopes in redbed regions under excavation, seismic, and rainfall conditions. Numerical simulations were conducted based on actual engineering sites, using the FLAC3D finite difference model to simulate conditions typical of these sites while incorporating realistic geological features such as weak interlayers and fluid–solid coupling effects. Results reveal that under excavation, the slope exhibits displacement discontinuities and stress concentration near weak interlayers. However, the safety factor of the redbed slope remains at 1.58 at this stage, suggesting that large-scale collapses or landslides are unlikely. Seismic loading amplifies displacements and accelerations, with the maximum deformation reaching a shear displacement of 0.81 m, observed in the upper sections of the redbed slope. Under prolonged rainfall, the slope experiences increased saturation and sliding along interlayer surfaces, driven by reduced shear strength. Combined influences of these factors highlight the vulnerability of redbed slopes to localized failure in weakly weathered zones, necessitating targeted reinforcement strategies. These findings provide a deeper understanding of redbed slope behavior under complex conditions, addressing key challenges in geotechnical and transportation infrastructure 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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,376

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,282
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207