Innovative FE-AI modelling of lateral resistance of long step-tapered and straight piles in cohesionless 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
Step-tapered piles provide a cost-effective alternative to large-diameter piles for supporting transportation infrastructure subjected to significant lateral forces. However, the literature currently lacks a straightforward method for estimating the lateral bearing capacity of these specialized piles. The present study aims to equip designers with practical and reliable predictive models for the lateral capacity of long step-tapered piles in cohesionless soils. To this end, a comprehensive 3D finite element (FE) analysis was conducted to investigate the parameters influencing the performance of long step-tapered piles and to generate an extensive database suitable for evolutionary polynomial regression (EPR) modelling. The FE results indicated that the optimal design of step-tapered piles involves enlarging the cross-section over a length ( L emb ) corresponding to the depth of the apparent plastic hinge, i.e., the location of the maximum bending moment. Based on the parametric study encompassing 870 cases, two robust predictive models were developed, one for straight piles and one for step-tapered piles, using multi-objective genetic algorithm-based evolutionary polynomial regression (EPR-MOGA). The proposed models incorporate factors related to pile geometry, bending stiffness, and the complex behaviour of soil under lateral loading. Their effectiveness was validated against field measurements for straight piles and FE results for step-tapered piles.
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 | 0,001 |
| 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