| كود المشروع | المدة الزمنية |
|---|---|
| A01L02UN410120180001 | 2018-2021 |
نيابة مديرية الجامعة للتكوين في الطور الثالث، التأهيل الجامعي البحث العلمي ، و التكوين العالي في ما بعد التدرج
مشاريع البحث
رئيس المشروع
مداني صيد
أستاذ
كلية العلوم و التكنولوجيا
جامعـــة ســوق أهراس
سوق أهراس - 41000. الجزائر
msid@univ-soukahras.dz
https://univ-soukahras.dz/ar/profile/msid
الأعضاء
| الاسم و اللقب | الرتبة | الشعبة |
|---|---|---|
أدم حمروني |
أستاذ محاضر أ | هندسة مدنية |
جويمع صارة |
أستاذ محاضر أ | هندسة مدنية |
وصف المشروع
Traditionnellement, l\\\'analyse et le dimensionnement des ouvrages en géotechnique (en statique et en dynamique) sont basés sur des approches déterministes. Dans ces approches, les aléas et incertitudes des différents paramètres du sol sont pris en compte de manière très simplifiée. Pour tenir compte des aléas et incertitudes inhérents aux différents paramètres de manière plus rigoureuse, les méthodes probabilistes sont actuellement de plus en plus utilisées en géotechnique.
Ceci est devenu possible grâce aux avancées importantes au niveau de la quantification de ces incertitudes. Une première approche consiste à modéliser ces paramètres incertains par des variables aléatoires représentées par des lois de distribution de probabilité (PDF). Cette modélisation est assez simplifiée puisqu\\\'elle ne considère pas le degré de dépendance de deux valeurs de la propriété incertaine en deux points distincts du sol. Pour cela, une modélisation plus rigoureuse de ces paramètres incertains consiste à modéliser la variabilité de la propriété incertaine par un champ aléatoire. Dans cette approche, les caractéristiques statistiques des paramètres incertains concernent non seulement les lois de distribution de probabilité des propriétés du sol mais aussi la fonction d\\\'autocorrélation qui fait intervenir la distance d\\\'autocorrélation (i.e. la distance en-dessous de laquelle les valeurs de la propriété sont fortement corrélées).
Ceci est devenu possible grâce aux avancées importantes au niveau de la quantification de ces incertitudes. Une première approche consiste à modéliser ces paramètres incertains par des variables aléatoires représentées par des lois de distribution de probabilité (PDF). Cette modélisation est assez simplifiée puisqu\\\'elle ne considère pas le degré de dépendance de deux valeurs de la propriété incertaine en deux points distincts du sol. Pour cela, une modélisation plus rigoureuse de ces paramètres incertains consiste à modéliser la variabilité de la propriété incertaine par un champ aléatoire. Dans cette approche, les caractéristiques statistiques des paramètres incertains concernent non seulement les lois de distribution de probabilité des propriétés du sol mais aussi la fonction d\\\'autocorrélation qui fait intervenir la distance d\\\'autocorrélation (i.e. la distance en-dessous de laquelle les valeurs de la propriété sont fortement corrélées).