Uncertainty Analysis and Quantification of Rainfall-Induced Slope Instability in Fine-Grained Clayey Soils
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
This study investigates rainfall-induced slope instability in fine-grained clayey soils through a probabilistic and sensitivity analysis framework that integrates spatial variability. Moving beyond traditional deterministic methods, Monte Carlo simulations were employed to quantify uncertainty in geotechnical parameters—unit weight, cohesion, and friction angle—modeled as random fields with a 1 m spatial resolution. This approach realistically captures natural soil heterogeneity and its influence on slope behavior during rainfall events. Transient seepage and slope stability analyses were performed using SEEP/W and SLOPE/W, respectively, with the Spencer method ensuring full equilibrium. This study examined how slope height, inclination, rainfall intensity and duration, and soil properties affect the factor of safety (FS). The results showed that higher rainfall intensity and longer durations significantly increase failure risk. For example, under 9 mm/h rainfall for 48 h, slopes taller than 10 m at 45° inclination exhibited failure probabilities over 30%. At 20 m, FS dropped to 0.68 with a 100% probability of failure. Sensitivity analysis confirmed cohesion and friction angle as key stabilizing factors, though their impact diminishes with infiltration. A dataset of 9984 slope scenarios was generated, supporting future machine learning applications for risk assessment and climate-resilient slope design.
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 | 0,002 |
| 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 découle