Comportement des fondations profondes sous charges : aspects structuraux et géotechniques
Bibliographic record
Abstract
Au Canada, l'analyse et le calcul des fondations profondes est souvent basée sur des prescriptions proposées par le Manuel canadien d'ingénierie des fondations. L'objectif principal de ce mémoire est de présenter les méthodes disponibles dans la littérature pour le calcul d'un pieu isolé d'une part et d'un groupe de pieux, d'autre part, sous charges axiales et latérales. \n \nDans le premier volet, on a passé en revue le comportement des pieux sous charges axiales fichés dans le sable et dans l'argile. On a également inclus le cas de pieux forés dans le roc. Le calcul de la capacité portante dans ces cas dépend en particulier de l'effet de battage et les méthodes d'installation des pieux. Pour le calcul de la capacité portante, on a présenté les méthodes les plus récentes basées sur des essais in situ, sur des modèles centrifugés et sur des méthodes par éléments finis. \n \nLe deuxième volet quant à lui est consacré aux pieux sous charges latérales. Dans ce volet, on a passé en revue les anciennes méthodes dites les méthodes de rupture; ensuite le modèle de Winkler (méthode de ressorts) avec les deux cas de ressorts: ressorts élasto-plastiques et ressorts décrits par les courbes aux modules de réaction du sol non linéaire (P-y). \n \nEnfin, on a présenté des applications numériques sur le comportement de pieux en groupe soumis à des efforts (horizontal, axial et moment). On a étudié en particulier les pieux les plus sollicités, c'est-à-dire le cas où l'arrachement et la compression sont maximums. On a utilisé deux logiciels: dans le cas des ressorts élasto-plastiques, on a utilisé Visual design et dans le cas des ressorts non linéaires (courbes de réaction du sol (P-y)), on a utilisé LPILE. Pour tenir compte de l'effet de groupe, on a appliqué les facteurs multiplicateurs Pm sur les rigidités des ressorts.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".