MétaCan
Menu
Retour à la cohorte
Enregistrement W6892557430 · doi:10.5281/zenodo.10629215

Évaluation probabiliste de la fiabilité des digues prenant en compte les mécanismes de glissement, d'érosion interne et de surverse : application à une étude de cas au Canada

2024· article· fr· W6892557430 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Languefr
DomaineEngineering
ThématiqueDam Engineering and Safety
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésReductio ad absurdumLimitingContext (archaeology)

Résumé

récupéré en direct d'OpenAlex

Les digues sont des ouvrages hydrauliques importants qui font partie des systèmes de protection contre les inondations. L’évaluation des causes et des effets de leur défaillance en situation de crues ou en situation de mise en charge est une composante importante de l’analyse du risque d’inondation. Dans ce projet de recherche conduit sous la forme d’une thèse en cotuelle internationale entre INRAE et l’école d’ingénieur Lassonde de l’université de York (Canada), nous étudions, dans un cadre probabiliste, le risque d’inondation dans une zone protégée par un système de protection contre les inondations. Pour cela, la première étape, décrite dans cet article, consiste à estimer dans un cadre probabiliste la fiabilité des ouvrages vis-à-vis des différents mécanismes de rupture. Nous avons proposé une méthode d’évaluation des probabilités de défaillance des digues intégrant à la fois les mécanismes de glissement, d’érosion interne régressive et d’érosion par surverse, celles-ci étant représentées par des courbes de fragilité. Nous avons testé deux approches pour agréger les courbes de fragilité en une seule courbe de fragilité globale, en utilisant une approche par courbe enveloppe et une approche par simulations de Monte-Carlo. Notre méthode a été éprouvée dans une étude de cas visant à évaluer la fiabilité des digues en remblai de la rivière Bow à Calgary, au Canada, pour plusieurs périodes de retour des crues. Pour évaluer les probabilités du mécanisme de glissement, nous avons mis en oeuvre un calcul à l’équilibre limite et des simulations de Monte-Carlo sur les propriétés de résistance au cisaillement des sols modélisés par des variables aléatoires, permettant d’obtenir un facteur de sécurité pour chaque tronçon de digue et une probabilité de rupture. L’analyse de l’érosion régressive a été effectuée en comparant les gradients hydrauliques au gradient hydraulique critique du matériau constituant le remblai. Les gradients hydrauliques locaux ont été déterminés à l’aide d’une modélisation hydraulique aux éléments finis. Le gradient hydraulique critique a été modélisé comme une variable aléatoire à partir de la formulation de Terzaghi. Cela a permis d’estimer les probabilités d’initiation du mécanisme d’érosion interne régressive. Nous avons discuté de la manière dont le choix de la zone de gradient hydraulique et la prise en compte d’un modèle en régime permanent ou transitoire impactent les probabilités de rupture par érosion régressive. L’évaluation des probabilités de rupture pour le mécanisme de surverse nécessitait le jugement expert sur la base de la connaissance de la période de retour de la crue conduisant au début de la surverse et de la charge hydraulique déversante. Au final, le travail produit permet d’aboutir, au moyen de simulations de Monte-Carlo, à une courbe de fragilité agrégée pour les trois mécanismes.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,019
Tête enseignante GPT0,252
Écart entre enseignants0,233 · 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.

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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetDam Engineering and SafetyTravaux en français237 207