Approches simplifiées et avancées pour l'analyse probabiliste des fondations superficielles

Simplified and advanced approaches for the probabilistic analysis of shallow foundations

• Auteur / Autrice : Ashraf Ahmed
• Direction : Abdul Hamid Soubra
• Type : Thèse de doctorat
• Discipline(s) : Génie civil, Géotechnique
• Date : Soutenance en 2012
• Etablissement(s) : Nantes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur, Géosciences, Architecture (Nantes)
• Partenaire(s) de recherche : autre partenaire : Université de Nantes. Faculté des sciences et des techniques

Mots clés

Mots clés contrôlés

Variables aléatoires

Résumé

Cette thèse présente des approches simplifiées et avancées pour l’analyse probabiliste des fondations superficielles. Dans l'analyse probabiliste simplifiée, les paramètres incertains sont modélisés par des variables aléatoires. Pour une fondation soumise à un chargement incliné, les résultats numériques basés sur la méthode des surfaces de réponse (RSM) et la méthode des surfaces de réponse stochastiques (CSRSM) ont permis d'identifier les zones de prédominance des modes de rupture à l’état limite ultime et à l’état limite de service. D'autre part, une procédure efficace a été proposée pour augmenter le nombre des sorties probabilistes de l’approche Subset Simulation (SS) sans appels supplémentaires au modèle déterministe. Dans cette procédure, l'approche SS a été combinée avec la méthode CSRSM. Dans l'analyse probabiliste avancée, les paramètres incertains du sol sont modélisés par des champs aléatoires pour prendre en compte la variabilité spatiale des propriétés du sol. Dans ce cas, la méthode de simulation de Monte Carlo (MCS) est généralement utilisée et seuls les moments statistiques de la réponse sont étudiés en raison du grand nombre d'appels au modèle déterministe. Dans cette thèse, l'approche SS a d’abord été utilisée comme une méthode alternative à la méthode MCS pour calculer la probabilité de ruine. Ceci a conduit à une réduction significative du nombre d'appels au modèle déterministe. Ensuite, une approche plus efficace nommée improved Subset Simulation (iSS) a été développée pour réduire encore une fois le nombre d'appels au modèle déterministe. L'utilisation de l’iSS a réduit le nombre d'appels au modèle déterministe d'environ 50% par rapport à l'approche SS.

This thesis presents simplified and advanced probabilistic analyses of shallow foundations. In the simplified probabilistic analysis, the uncertain parameters are modelled by random variables. For an obliquely loaded footing, the numerical results based on the Response Surface Method (RSM) and the Collocation-based Stochastic Response Surface Method (CSRSM) have allowed to identify the zones of failure mode predominance at both the ultimate and serviceability limit states. On the other hand, an efficient procedure was proposed to increase the number of the probabilistic outputs of the Subset Simulation (SS) approach with no additional time cost. In this procedure, the SS approach was combined with the CSRSM. In the advanced probabilistic analysis, the uncertain parameters are modelled by random fields to take into account the soil spatial variability. In such cases, Monte Carlo Simulation (MCS) methodology is generally used in literature. Only the statistical moments were generally investigated in literature because of the great number of calls of the deterministic model required by this method. In this thesis, the subset simulation approach was first used as alternative to MCS methodology to compute the failure probability. This leads to a significant reduction in the number of calls of the deterministic model. Moreover, a more efficient approach called improved Subset Simulation (iSS) approach was developed to reduce again the number of calls of the deterministic model. The use of the iSS approach has reduced the number of calls of the deterministic model by about 50% with respect to the SS approach.