Numerical modeling of underground openings behavior with a viscoplastic approach
Bibliographic record
Abstract
La nature est complexe et c’est en toute modestie que les ingénieurs doivent chercher à prédire le comportement des ouvrages dans le sous-sol. La réalisation de projets industriels dans le domaine souterrain, à forts enjeux économiques et sociaux (traversées alpines, stockage de déchets nucléaires), nécessite d’évoluer vers une meilleure compréhension des mécanismes comportementaux des ouvrages à concevoir. Cette amélioration passe par une meilleure représentativité physique des mécanismes macroscopiques et par la mise à disposition d’outils de prédiction adaptés aux attentes et aux besoins des ingénieurs. Les outils de calculs développés dans ce travail s’inscrivent dans cette volonté de rapprocher les attentes de l’industrie et les connaissances liées à la rhéologie des géomatériaux. Ces développements ont ainsi débouché sur la proposition d’un modèle de comportement mécanique, adapté aux roches peu fissurées et assimilables à des milieux continus, intégrant, en particulier, l’effet du temps. Fil conducteur de cette étude, la problématique du sujet de thèse concerne précisément la prise en compte du comportement différé des massifs rocheux dans les modélisations et ses conséquences sur les ouvrages souterrains.Fondé sur des concepts physiques de référence, définis à différentes échelles (macro/méso/micro), le modèle rhéologique développé est transcrit dans un formalisme mathématique dans le but d’être mis en oeuvre numériquement.Les applications numériques proposées s’inscrivent principalement dans le contexte du stockage des déchets radioactifs. Elles concernent deux configurations d’ouvrages rigoureusement différentes : l’excavation du laboratoire souterrain canadien de l’AECL, dans le granite du Lac du Bonnet et le creusement de la galerie GMR du laboratoire de Bure (Meuse/Haute-Marne) dans l’argilite de l’Est. Dans les deux cas, l’utilisation du modèle a permis de mettre en évidence l’apport de la prise en compte du comportement différé sur la représentativité des prédictions numériques du comportement à court, moyen et long termes des ouvrages souterrains
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".