Note publique d'information : Cette thèse présente une analyse probabiliste de fondations superficielles reposant
sur un sol variable spatialement et soumises à un chargement statique ou dynamique
(sismique). Dans la première partie de cette thèse, le cas d'un chargement statique
a été considéré. Dans cette partie, seule la variabilité spatiale du sol a été examinée
et les propriétés du sol ont été modélisées par des champs aléatoires. Dans la littérature,
la méthode de simulation de Monte-Carlo (MCS comme Monte Carlo Simulation) est généralement
utilisée. Dans cette thèse, la méthodologie de développement par chaos polynomial
creux (SPCE comme Sparse Polynomial Chaos Expansion) est employée. Cette méthode vise
à remplacer le modèle élément fini/différence finie par un méta-modèle. Cela conduit
(dans le cas présent des problèmes stochastiques à grande dimension) à une réduction
significative du nombre d'appels du modèle déterministe. En outre, une utilisation
combinée du SPCE et de l'analyse de sensibilité globale GSA (dénommée SPCE/GSA) est
proposée pour réduire encore une fois le coût de l'analyse probabiliste pour les problèmes
faisant intervenir un modèle déterministe coûteux. Dans la deuxième partie de cette
thèse, le chargement sismique a été considéré dans l'analyse probabiliste. Dans cette
partie, la variabilité spatiale du sol et/ou la variabilité temporelle du chargement
sismique ont été prises en compte. Dans ce cas, le chargement sismique a été modélisé
par un processus aléatoire. Les résultats numériques ont montré l'effet significatif
de la variabilité temporelle du signal sismique dans l'analyse probabiliste.
Note publique d'information : The aim of this thesis is to study the performance of shallow foundations resting
on spatially varying soils and subjected to a static or a dynamic (seismic) loading
using probabilistic approaches. In the first part of this thesis, a static loading
was considered in the probabilistic analysis. In this part, only the soil spatial
variability was considered and the soil parameters were modelled by random fields.
In such cases, Monte Carlo Simulation (MCS) methodology is generally used in literature.
In this thesis, the Sparse Polynomial Chaos Expansion (SPCE) methodology was employed.
This methodology aims at replacing the finite element/finite difference deterministic
model by a meta-model. This leads (in the present case of highly dimensional stochastic
problems) to a significant reduction in the number of calls of the deterministic model
with respect to the crude MCS methodology. Moreover, an efficient combined use of
the SPCE methodology and the Global Sensitivity Analysis (GSA) was proposed. The aim
is to reduce once again the probabilistic computation time for problems with expensive
deterministic models. In the second part of this thesis, a seismic loading was considered.
In this part, the soil spatial variability and/or the time variability of the earthquake
Ground-Motion (GM) were considered. In this case, the earthquake GM was modelled by
a random process. Both cases of a free field and a Soil-Structure Interaction (SSI)
problem were investigated. The numerical results have shown the significant effect
of the time variability of the earthquake GM in the probabilistic analysis.
paprika.idref.fr
data.idref.fr
Documentation
