ارزيابي پتانسيل وقوع روانگرايي برمبناي ارائه يك مدل احتمالاتي و انجام تحليل‌هاي قابليت‌اعتماد همراه با بررسي اهميت نسبي عدم قطعيت پارامترهاي مدل

Assessment of Liquefaction Potential Based on a Probabilistic Model and Performing Reliability Analysis with Evaluation the Relative Importance of Model Parameters Uncertainty

بررسي پتانسيل روانگرايي خاك نقش مهمي در كاهش خسارات زمين‌لرزه‌ها دارد كه بهدليل پيچيدگي ماهيت خاك و زلزله امري دشوار است. مطالعات پيشين متفاوتي براي بررسي اين پديده انجام شده، اما اين روش‌ها عمدتا بهدليل نادقيق بودن مدل‌سازي، درنظر نگرفتن عدم‌قطعيت‌هاي ناشي از پيچيدگي‌هاي خاك و زلزله، و يا استفاده از پايگاه داده‌هاي ناكافي با خطاهاي زيادي روبرو هستند. در اين مطالعه از روش استنباط بيژين به‌عنوان يك روش مدل‌سازي احتمالاتي با قابليت به‌روز شدن و درنظرگرفتن عدم‌قطعيت‌ پارامترهاي مقاومتي و ديناميكي، با استفاده از يك پايگاه داده جامع از مشاهدات آزمايش نفوذ استاندارد مهمترين رخدادهاي روانگرايي دنيا، براي توسعه تابع حالت حدي و ضريب‌اطمينان روانگرايي استفاده شد. براي نخستين‌بار با استفاده از روش قابليت‌اعتماد مرتبه اول و مونت‌كارلو از روش نمونه‌گيري اهميت و پيشينه‌نما در برآورد احتمال شكست و شاخص قابليت‌اعتماد تابع‌حالت‌حدي روانگرايي خاك‌ها استفاده شد، سپس با كمك روش قابليت‌اعتماد نمونه‌گيري پيشينه‌نما تابع چگالي احتمال (PDF) و تابع تجمعي احتمال (CDF) براي بررسي احتمال فراگذشت از مقادير مورد نظر بدست آمد. آناليزحساسيت مدل نيز براي برآورد اثرگذارترين عدم‌قطعيت صورت گرفت. درنتيجه‌ي اين مطالعه، يك مدل احتمالاتي قدرتمند و كارا براي ارزيابي پتانسيل روانگرايي خاك‌ها توسعه داده شد. مقايسه نتايج حاصل از اين مدل احتمالاتي با مدل‌هاي متعين و احتمالاتي متداول ديگر، كاهش قابل توجه در عدم قطعيت و انحراف معيار مدل، افزايش دقت، پيش‌بيني بهينه و درك كامل‌تري از رابطه‌ي بين احتمال شكست و ضريب اطمينان روانگرايي را نشان داد. روش‌هاي نمونه‌گيري مونت كارلو، نمونه‌گيري پيشينه‌نما و نمونه‌گيري‌اهميت نيزتطابق بسيار خوبي در نتايج داشتند. در آناليز حساسيت مدل پيشنهادي، عدم‌قطعيت پارامتر بزرگاي زلزله به‌عنوان مهمترين عدم‌قطعيت مدل مشخص شد.

Investigating the potential of soil liquefaction plays an important role in reducing earthquake damages. Prediction of this phenomenon is difficult due to the complexity of the nature of soil and earthquakes. Previous studies had many errors that include inaccurate modeling, inadequate databases and disregarding the uncertainties that are caused by soil and earthquake complexity. In this research Bayesian inference method is used as a probabilistic modeling method. This method used a comprehensive database of standard penetration test (SPT). For the first time, first-order reliability method (FORM) and importance sampling method were used to estimate the probability of failure and the reliability index of the limit state function of liquefaction. Then with the help histogram sampling, probability density function (PDF) and cumulative probability function (CDF) were obtained to investigate the probability of transgression. A sensitivity analysis of the model was also performed to estimate the most effective parameters. As a result of this study, a robust and efficient probabilistic model was developed to evaluate the liquefaction potential of soils. Comparing the results of this probabilistic model with other deterministic and probabilistic models showed a significant reduction in model uncertainty and standard deviation, increased accuracy and a better understanding of the relationship between failure probability and safety factor of liquefaction. Monte Carlo sampling and importance sampling methods were closed to each other. In the sensitivity analysis of the proposed model, the uncertainty of the magnitude of the earthquake parameter was identified as the most important uncertainty of the model.