Caractérisation des discontinuités dans le massif rocheux par combinaison de mesures de diagraphies soniques et électriques
Bibliographic record
Abstract
La présence de discontinuités dans un massif rocheux a un impact significatif sur la stabilité et la résistance mécanique de ce dernier, ainsi que sur la sécurité et la conception de projets impliquant la roche. Dans cette thèse, nous chercherons à caractériser les propriétés discontinuités, directement dans le massif, par l’utilisation de mesures diagraphiques classiques, avec les sondes Fullwave (FW) et sonde électrique normale (DN). Dans le but ultime de mieux comprendre leur impact sur le comportement du massif et de prendre des décisions éclairées en matière de construction, d'exploitation minière et de gestion des risques géologiques.Dans cette optique, cette thèse propose une nouvelle méthodologie de caractérisation des propriétés géométriques (ouverture, longueur) et physiques (vitesse de compression, vitesse de cisaillement, densité, résistivité) des discontinuités en combinant les réponses de deux techniques. Les deux outils ont montré leur potentiel de détecter les discontinuités, ainsi que leurs limites à caractériser ces propriétés. La complémentarité des données électriques (DN) et acoustiques (FW) est exploitée pour surmonter les limites de chaque méthode et bénéficier de leurs caractéristiques distinctes en termes de volume d'investigation, de propriétés détectées et de résolution, Pour cela, les réponses des deux outils sont combinées dans le but de caractériser les propriétés des discontinuités de manière non destructive.Cette thèse repose sur une première approche numérique qui consiste à modéliser la réponse de deux outils de diagraphie (FW et DN) face à la présence d'une discontinuité idéale et isolée dans un massif rocheux. Sur la base de l’étude de sensibilité réalisée, cette approche a permis de définir des facteurs de perte acoustique (liés à l'atténuation et au retard des ondes de compression et de cisaillement) et électrique (liés à la diminution de la résistivité). Une base de données numériques de 880 cas issue de l’étude paramétrique, est construite. Des techniques de régressions multiples non linéaires et de réseaux de neurones ont été comparées pour créer des modèles prédictifs visant à diagnostiquer les différentes propriétés de la discontinuité. Les résultats sont ensuite confrontés à une validation expérimentale sur des données réelles réalisées sur un site de calibration à Bells Corners (Ottawa, Ontario, Canada). Les résultats attestent du potentiel de l’approche pour évaluer l’ouverture de la discontinuité à un niveau de précision d’ordre centimétrique.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".