MétaCan
Menu
Retour à la cohorte
Enregistrement W7002558518

Numerisk modellering av erosjonsutløste kvikkleireskred

2020· dissertation· no· W7002558518 sur OpenAlexaboutno aff

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2020
Typedissertation
Langueno
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScientific education
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Kvikkleire kan påtreffes under marin grense i Norge, Sverige, Finland, Russland, Canada og Alaska. Den vanligste utløsende årsaken til kvikkleireskred de siste tiårene er menneskelig aktivitet, men kvikkleireskred utløses også naturlig. Den vanligste naturlige utløsningsårsaken er da erosjon i foten av skråninger. Selv om erosjon til en viss grad er hensyntatt i det eksisterende semikvanititative vurderingssystemet for faregradsevaluering av kvikkleiresoner, er det i liten grad utført studier som ser detaljert på skredutløsningsmekanismen som følge av erosjon. En økt forståelse av erosjonens betydning vil kunne gi grunnlag for forbedret metodikk for risikovurdering av kvikkleireområder. Hovedmålet med denne masteroppgaven er å etablere sammenhenger mellom erosjon og utløsning av kvikkleireskred i skråninger med forskjellige karakteristika (topografi, stratigrafi og geotekniske egenskaper). Numerisk modellering i det geotekniske elementprogrammet PLAXIS er brukt til dette formålet. En sensitivitetsanalyse av en modellskråning er utført for å kunne få innblikk i hvilken rolle ulike faktorer spiller når skråningen blir utsatt for erosjon. Effekten av sprøhet og overkonsolidering har blitt lagt vekt på. I tillegg er to naturlige skråninger analysert; en skråning ved Byneset i Trøndelag, der erosjon utløste et stort kvikkleireskred i 2012, og en elveskråning mot Lågen ved Gjelstad ved Larvik, der aktiv erosjon er registrert i elveløpet og kvikkleire er påvist i grunnen, men hvor det p.t. ikke er kjent at større skred i kvikkleire er utløst. Resultatene fra beregningene viser bl.a. at det mellom skråninger med ikke-sensitiv leire og kvikkleire er liten forskjell i global sikkerhet, men relativt stor forskjell i størrelse av erosjonsvolum som fører til at skråningene går til brudd. Dette betyr at ved å beregne global sikkerhet alene vil man risikere å overestimere sikkerheten, dersom materialet i skråningen består av kvikkleire. Det er også utarbeidet relasjoner som kan gi grove anslag på nødvendig erosjonsvolum for å oppnå brudd, gitt skråningens sikkerhetsfaktor og sprøhetsgrad. Mye usikkerhet er knyttet til disse relasjonene, men de kan gi et innblikk i hvor mye som skal til for å få ulike skråninger til å gå til brudd som følge av erosjon. I de analyserte skråningene har bruddmekanismene som oppstår ved erosjon vist seg å variere mellom brudd som propagerer fra skråningstopp og ned mot skråningsfot, brudd som propagerer fra skråningsfot og opp mot skråningstopp, og kombinasjoner av disse. Særlig den lagdelte skråningen ved Gjelstad utviklet en kompleks bruddmekanisme, der samspillet mellom ulike lag i skråningen var viktig for utviklingen av bruddet. Disse observasjonene viser at det er svært viktig å ha god kjennskap til grunnforhold ved evaluering av en skrånings motstandsdyktighet mot erosjon. Analyser av topografiske data og grunnundersøkelser fra Byneset, sett i sammenheng med beregningene gjort for skredhendelsen i 2012, indikerer at det kan være fare for nye kvikkleireskred i området.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,031
Tête enseignante GPT0,252
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetMicroplastics and Plastic PollutionTravaux en français237 207