Characterisation of model uncertainties for laterally loaded rigid drilled shafts

This paper presents a critical evaluation of model factors for laterally loaded rigid drilled shafts (bored piles). Both the lateral or moment limit and hyperbolic capacity are considered to make explicit the dependence of model factors on the criterion for interpreting ‘capacity’ from load test data. Although the hyperbolic capacity may be closest to the theoretical ultimate state or upper bound, results indicate that it generally does not produce a mean model factor of 1. When the measured capacity is interpreted consistently from load test data, the coefficient of variation (COV) appears to remain relatively constant between 30% and 40%. The range of the mean bias for the lateral or moment limit is 0·67 to 1·49, whereas that of the hyperbolic capacity is 0·98 to 2·28. Based on available data, a log-normal probability model appears adequate for reliability analysis. Laboratory-scale load tests conducted in uniform soil deposits prepared under controlled laboratory conditions are ideal for establishing benchmarks on the probable magnitude of uncertainty arising from model idealisations alone. However, the limited range of geometric and geotechnical parameters in a laboratory load test database may not produce a representative mean model factor. A field load test database typically contains more diverse geometric and geotechnical parameters, but it entails an unknown degree of extraneous uncertainties. A comparative study indicates that model statistics are surprisingly robust and appear not to be seriously affected by the above concerns (possibly because of normalisation). Model factors from drained analysis seem to be more variable than those from undrained analysis. A more detailed examination indicates that the higher COV of about 40% for these drained model factors arises because they are not completely random. There are reasons to believe that applying a more complete force system for drained analysis could minimise some of the undesired correlations and reduce the COV to a level comparable to undrained analysis.

• INTRODUCTION

• LATERAL AND MOMENT CAPACITY

• STATISTICS OF MODEL FACTORS

• CONCLUSIONS

• REFERENCES

Cet exposé présente une évaluation critique de facteurs de modèles pour des puits percés rigides à charge latérale (piles forées). Nous prenons en compte la limite latérale et la limite de moment ainsi que la capacité hyperbolique afin de rendre explicite la dépendance des facteurs de modèles vis-à-vis du critère servant à interpréter la 'capacité' d'après les données d'essais de charge. Bien que la capacité hyperbolique puisse être la plus proche de l'état ultime théorique ou de la limite supérieure, les résultats indiquent qu'en général cela ne produit pas un facteur de modèle moyen de 1. Lorsque la capacité mesurée est interprétée de manière consistante d'après les résultats des essais de charge, le coefficient de variation (COV) paraît rester relativement constant, entre 30% et 40%. La gamme de l'inclinaison moyenne pour la limite latérale ou la limite de moment se situe entre 0,67 et 1,49, alors que celle de la capacité hyperbolique se situe entre 0,98 et 2,28. D'après les données disponibles, un modèle à probabilité log-normale semble adéquat pour les analyses de fiabilité. Des essais de charge en laboratoire menés sur des dépôts de sol uniforme préparés en conditions contrôlées sont parfaits pour établir des points de référence sur la magnitude probable de l'incertitude venant des idéalisations de modè les seules. Cependant, la gamme limitée de paramètres géométriques et géotechniques dans une base de données d'essais de charge en laboratoire peut ne pas reproduire un facteur de modèle moyen représentatif. Une base de données d'essais de charge sur le terrain contient de manière typique des paramètres géométriques et géotechniques plus divers mais elle possède un degré inconnu d'incertitudes étrangères. Une étude comparative indique que les statistiques du modèle sont étonnamment robustes et semblent ne pas être affectées de manière sérieuse par les problèmes susmentionnés (probablement en raison de la normalisation). Les facteurs de modèles des analyses drainées semblent être plus variables que ceux des analyses non drainées. Un examen plus détaillé indique que le COV plus élevé d'environ 40% pour ces facteurs de modèles drainés se produit car ceux-ci ne sont pas complètement aléatoires. Nous avons des raisons de penser que le fait d'appliquer un système de force plus complet pour les analyses drainées pourrait minimiser certaines des corrélations indésirables et réduire le COV à un niveau comparable à celui des analyses non drainées.