مقایسه روشهای اخیر ارائه شده جهت ارزیابی پتانسیل روانگرایی در پی آبرفتی
محل انتشار: هشتمین کنگره بین المللی مهندسی عمران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,795
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE08_544
تاریخ نمایه سازی: 28 آبان 1387
چکیده مقاله:
لایه های آبرفتی و ماسه ای سست اشباع در حین زلزله مستعد روانگرایی هستند. روش ساده و کاربردی جهت ارزیابی مقاومت در برابر روانگرایی در اینگونه مصالح، استفاده از نتایج حاصل از ضربات نفوذ استاندارد (SPT) می باشد. در روشهای استاندارد برای تخمین مقاومت روانگرایی ماسه تمیز در عمق های مختلف، دو نوع اصلاح شامل اصلاح مقاومت نفوذ به تنش سربار یک اتمسفر (CN) و اصلاح نسبت مقاومت برشی تناوبی (CRR) نسبت به اثرات تنش سربار (Kσ)، انجام می شود. این فاکتورها اخیراً با استفاده از شاخص پارامتر وضعیت نسبی (Relative state parameter index) یا (ξ R) توسط محققین مجدداً مورد محاسبه قرار گرفته اند. علاوه بر آن، مفهوم مقاومت نفوذ اصلاح شده، به عنوان یک روش دیگر برای در نظر گرفتن اثر تنش سربار بر روی مقاومت برشی تناوبی مصالح معرفی شده است.
در این مقاله با تکیه بر نتایج آزمایشهای انجام شده در پی سد سیمینه رود ارزیابی پتانسیل روانگرایی براساس نتایج آزمایشات SPT به کمک سه روش تجربی معتبر، انجام شده است. روشهای مورد استفاده جهت ارزیابی پتانسیل روانگرایی در قالب یک برنامه جانبی (Fish) در نرم افزار تفاضل محدود (FLAC) معرفی شده اند. در پایان مقایسه ای بین نتایج عددی بدست آمده از روشهای مختلف و سطوح مختلف زلزله ارائه شده است. نتایج بدست آمده حاکی از آن هستند که ضرایب اطمینان حاصل از روش مبتنی بر شاخص پارامتر وضعیت نسبی نسبت به دو روش دیگر که با توجه به در نظر گرفتن اثرات تنش سربار ارائه شده اند، مقادیر بالاتری را دارا می باشند. اختلاف در ضرایب اطمینان به طور عمده ناشی از تفاوت در مقدار (CN) مورد استفاده در روش های گوناگون جهت ارزیابی پتانسیل روانگرایی می باشد.
کلیدواژه ها:
نویسندگان
رضا نقی لو
دانشجوی کارشناسی ارشد عمران، دانشکده مهندسی، دانشگاه زنجان
رضا مهین روستا
استادیار دانشکده مهندسی، دانشگاه زنجان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :