Optimal intensity measures for predicting coseismic liquefaction triggering and lateral displacements in sloping ground
Notice bibliographique
Résumé
This paper identifies optimal ground motion intensity measures (IMs) for predicting coseismic liquefaction triggering and liquefaction-induced lateral displacements in sloping ground. Fully coupled nonlinear dynamic analyses of mildly sloping liquefiable soil columns are conducted in OpenSees using the SANISAND-MSf v2 soil constitutive model. For the identification of optimal IM, eighty-one soil profiles, with varying depth, thickness, and relative density of an embedded liquefiable layer, as well as different slope angles, are subjected to 950 crustal ground motions. Based on the criteria of efficiency, sufficiency, and predictability, modified acceleration spectrum intensity, followed by characteristic intensity and Arias intensity, are identified as optimal IMs for predicting the peak depth-averaged excess pore water pressure ratio, while cumulative absolute velocity is the optimal IM for the end-of-motion surface lateral displacement. In addition to conclusions drawn from scalar-valued outcrop-motion-based and total motion time histories, further evaluations assess other potential efficiency improvements. Vector-valued and within-motion-based IMs offer slight improvements in predictive efficiency, but the added complexity limits their practical advantage. A timing-based framework for isolating the post-triggering portion of evolutionary IMs improves liquefaction response prediction by 12%. However, its reliance on identifying the exact triggering time and applicability only to evolutionary IMs limits its practical use in hazard evaluations. The findings provide practical guidance for selecting efficient and implementable intensity measures to predict coseismic liquefaction triggering and its induced displacements in sloping ground. • Impact of soil profile variables and ground motion intensity is studied via NDAs. • MASI best predicts liquefaction triggering, followed by I c and I A . • CAV is the optimal IM for surface lateral displacements. • Vector-valued and within-motion-based IMs modestly improve prediction efficiency. • Post-triggering CAV improves prediction of lateral displacements by 12%.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».