A practical design method for energy piles incorporating thermal–mechanical soil–structure interaction
Notice bibliographique
Résumé
Energy piles are a dual-purpose geostructure system designed to serve both as load-bearing foundations and as a means of utilizing geothermal energy for heating and cooling buildings. Due to their dual function, the behavior of energy piles under temperature variation at the pile–soil interface is significantly more complex than that of traditional piles. This study proposes a unified method for predicting the load–settlement behavior of traditional and energy piles, formulated through a cubic equation that integrates end-bearing hardening, skin-friction softening, and a modified effective stress theory accounting for particle contact area evolution. Unlike existing approaches, the proposed method uniquely separates end-bearing and skin-friction resistances and captures the coupled thermal-mechanical effects at the soil–pile interface, including both resistance gains and losses due to heating or cooling. Validation against interface shear tests and full-scale field measurements confirms the accuracy and robustness of the proposed method. Results show that the proposed framework significantly improves load–settlement predictions and provides a physically consistent and practical tool for energy pile design under varying thermal and mechanical loads. The findings also highlight that temperature effects on energy pile resistance vary with soil conditions. Heating can increase resistance via pile expansion, radial thermal stress, higher particle contact, and friction angle. Conversely, it may reduce resistance due to thermally induced excess pore-water pressure, lower overconsolidation, total stress reduction, decreased stiffness, and cohesion loss. These opposing mechanisms highlight the complex, site-specific thermomechanical behavior of energy piles. Considering microstructural evolution and thermal-softening effects is necessary to enhance the predictive capabilities for pile performance in complex operational environments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».