MétaCan
Menu
Retour à la cohorte
Enregistrement W7161105110

Conception préliminaire des ouvrages souterrains profonds en massifs continus par couplage d'approche numériques et probabilistes

2025· article· en· W7161105110 sur OpenAlexaboutno aff
Baptiste Fenneteau

Notice bibliographique

Revuetheses.fr (ABES) · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpallBrittlenessReliability (semiconductor)Monte Carlo methodDeformation (meteorology)Rock mass classificationFracture (geology)Massif
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Actuellement, il y a plusieurs tunnels de grandes profondeurs en cours de construction ou d'étude à travers les Alpes. Comme WSP est impliqué dans plusieurs de ces projets, l'entreprise a décidé de développer ce projet de thèse visant à améliorer les outils à disposition des ingénieurs en phase d'étude préliminaire pour mieux anticiper les potentiels phénomènes pouvant se produire durant la construction. Ce travail se focalise sur deux phénomènes particuliers : les problématiques de grandes convergences (ou roche poussante, « squeezing ») dans les massifs rocheux très fracturés, les ruptures fragiles (quasi-statique l'écaillage ou violente comme les « rockburst ») dans les massifs rocheux intacts et fragiles. • Concernant les problématiques de grandes convergences : Lors des étapes préliminaires de conceptions, il existe d'importantes incertitudes sur les données géologiques et géotechniques. L'idée est d'améliorer ou de créer de nouveau outils à utiliser dans ces situations pour quantifier le risque de grandes convergences et de fournir des informations sur l'interaction entre le comportement du massif et le soutènement, tout en considérant explicitement les incertitudes. Ces outils ont été développés grâce à la création de plusieurs métamodèles obtenus à partir des résultats de simulations de Monte Carlo réalisées sur des modèles numériques aux différences finies (modèles 2D en section plane et 2D axisymétrique). Ces métamodèles ont ensuite été utilisés pour faire des calculs de fiabilité permettant de mettre en relation des valeurs de facteurs sécurités utilisés en conception et les probabilités de ruptures associées, en fonction des incertitudes existantes sur les données d'entrées. Pour finir, les différents outils développés ont été appliqués au fameux cas d'étude du tunnel du Yacambu-Quibor au Venezuela, afin de valider leur pertinence par rapport à des approches classiques. • Concernant les problématiques de ruptures fragiles : L'objectif principal traite de la quantification du risque de ruptures fragiles lors de phases d'études préliminaires de tunnel de grandes profondeurs soumis à d'importantes incertitudes, et en particulier, si les ruptures fragiles seront plutôt quasi-statique ou soudaine et violente. Une méthode existante de quantification du risque a été améliorée pour permettre l'introduction et la propagation des incertitudes. Cette méthode a ensuite été appliquée au cas d'étude de la section la plus profonde du tunnel de base du Mont Cenis (nouvelle ligne ferroviaire entre Lyon en France et Turin en Italie) permettant une quantification du risque de « rockburst » dépendante des incertitudes et fournissant des résultats plus pertinents par rapport aux études précédentes. L'un des éléments clefs pour savoir si la rupture fragile va être violente ou non est la raideur du massif rocheux encaissant autour d'une zone susceptible de rompre. Pour étudier ce point spécifique, une étude complémentaire traitant de l'estimation de cette raideur à partir de simples calculs numériques 2D élastiques a été réalisée. Le calcul de cette raideur est ensuite réalisé pour deux cas d'étude typiques de ruptures fragiles : la galerie Mine-By de l'AECL au Canada, et le rockburst « 11.28 » qui s'est produit lors de la construction du projet hydroélectrique Jinping II en Chine.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,320
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,224 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetheses.fr (ABES)Même sujetGeotechnical Engineering and AnalysisTravaux en français237 207