Étude et prise en compte de la variabilité spatiale

• Published in: Revue française de géotechnique no. 93; pp. 55 - 66
• Main Author: Bolle, A.
• Format: Journal Article
• Language: French
• Published: Paris EDP Sciences 2000; Presse de l'Ecole nationale des ponts et chaussées
• Subjects: auto-corrélation; autocorrelation; Géologie de l'ingénieur et de l'environnement. Géothermie; Géotechnique; perturbation techniques; Sciences de la terre; Sciences exactes et technologie; soils; sols; spatial variability; techniques de perturbation; Terre, ocean, espace; variabilité spatiale; Sol; Autocorrélation; Etude expérimentale; Variation spatiale; Simulation numérique; Etude cas; Masse rocheuse; Modèle; Dispersion; Géotechnique
• ISSN: 0181-0529; 2493-8653
• DOI: 10.1051/geotech/2000093055

Après un bref rappel de la nature et de l’origine de la variabilité des caractéristiques géotechniques des sols et des massifs rocheux, le choix d’un modèle est proposé. La variabilité est représentée par l’évolution spatiale de la moyenne et par la dispersion autour de cette moyenne. Cette dispersion manifeste généralement une structure plus ou moins régulière en liaison avec la périodicité des phénomènes géologiques ou anthropiques, caractérisée par l’auto-corrélation. Les effets de cette variabilité et de sa structure d’autocorrélation peuvent être analysés par des méthodes de calcul probabiliste adaptées, autorisant l’utilisation de grands nombres de variables aléatoires. Quelques exemples d’application illustrent les propositions formulées. After a short recall about the nature and the origin of the variability of the geotechnical characteristics in soils and rock masses, a model is suggested. The variability is modelled by the spatial trend and by the scattering around that mean value. Generally the dispersion exhibits a more or less regular structure, related to the periodicity of the geological phenomena, characterised by the autocorrelation. The effects of that variability and of its autocorrelation structure can be analysed by suited probabilistic computational methods, allowing to use large numbers of random variables. Some case studies are proposed as examples.