Académique Documents
Professionnel Documents
Culture Documents
To
To
To
To
To
To
To
To
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
April 1999
ii
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
vii
xi
Rsum
xiii
Abstract
xiv
Introduction gnrale
1.
2.
17
1-21
1.1. Introduction
1-21
1-23
1-25
1-27
2-33
2.1. Les mthodes actuelles utilises pour lvaluation des risques dinstabilits
2-34
2-39
3.
3-45
4.
4-51
4-51
iii
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
4-53
4-55
4-57
4-58
4-58
4-63
4-71
4-72
4.3.2. Problme des limites de classes avec des donnes variables traites par simulation
4-76
5.
4-78
5-81
5-82
5-85
5-93
5-95
5-107
5-111
5-111
5-117
5-119
5-121
iv
al. [89].
5-127
5-131
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
6.
6-135
6-139
6-151
6-152
6-154
6-174
Conclusion gnrale
177
Rfrences
183
Bibliographies
191
Annexes
199
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
1-23
Figure 1.2. Exemple de principe du risque d'incendie dans une installation industrielle par exemple.
1-24
1-24
1-24
1-28
1-30
2-38
2-42
2-42
4-54
4-59
4-59
Figure 4.4. Valeur de lindice de Rsistance la compression simple. l'quation a t obtenue par rgression
linaire
4-61
Figure 4.5. Valeur de lindice dEspacement moyen des discontinuits. l'quation a t obtenue par rgression
linaire
4-61
Figure 4.6. Valeur de lindice de RQD. l'quation a t obtenue par rgression linaire
4-61
4-62
4-62
4-62
4-64
Figure 4.11. Comparaisons entre les rgles de croisement et les surfaces d'ajustements.
4-65
4-66
Figure 4.13. Comparaisons entre les rgles de croisement et les surfaces d'ajustements.
4-66
4-73
Figure 4.15. Remplacement des paramtres de la sensibilit par des distributions statistiques.
4-73
4-74
4-74
Figure 4.18. Histogramme d'ala aprs 1000 simulations. raisonnement par tableaux
4-77
Figure 4.19. Histogramme d'ala aprs 1000 simulations calculs par les quations analytiques
4-77
Figure 5.1. Les sous-ensembles Faible, Moyenne et Forte de l'ensemble flou Rsistance la
compression simple en MPa.
5-86
5-87
vii
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
5-89
5-91
Figure 5.5. La division de deux nombres flous par l'utilisation de leurs -coupes.
5-92
5-94
Figure 5.7. Variable linguistique (V, X, Tv) dcrivant le dimensionnement d'un pilier en mtre.
5-94
Figure 5.8. Prsentation graphique des rgles de raisonnement flou suivant le tableau 5.2
5-96
5-97
5-98
5-100
5-101
Figure 5.13. La rduction en une mme valeur unique partir des deux nombres flous diffrents.
5-102
Figure 5.14. Raisonnement avec une entre sous forme de nombre flou daprs Terano et al. [89].
5-103
Figure 5.15. Deux nombres flous diffrents mais pouvant tre considrs comme quivalents si nous utilisons la
mthode de raisonnement de Terano et al. [89]
5-104
Dfuzzyfication par centre de gravit
5-106
5-106
5-106
Figure 5.17. Comparaison entre un facteur de securite et un nombre flou qui reprsente le rsultat. Daprs
Sakura et al. [87].
5-110
Figure 5.18. Quatre classes floues qui dfinissent aussi bien les paramtres de sensibilit, d'activit, d'intensit
que la sensibilit, la probabilit d'occurrence, et l'ala.
5-111
Figure 5.19. Sensibilit obtenue par deux coupes dans un cas typique d'analyse.
5-112
Figure 5.20. Dfuzzyfication de la sensibilit et raisonnement par classes. (Daprs les rgles du tableau 2.5.)
5-113
Figure 5.21. Dcoupage de la sensibilit par intersection avec ces classes et l'effet sur l'ala.
5-114
5-116
Figure 5.23. La reprsentation des paramtres par des nombres flous proposs par l'intervenant.
5-117
5-121
5-123
Figure 5.26. La sensibilit gauche et l'activit droite d'un cas d'analyse. Sensibilit = {45/0 | 51/1 | 59/1 |
90/0}, Activit = {13/0 | 26/1 | 32/1 | 47/0}.
5-124
Figure 5.27. Probabilit d'occurrence obtenue par raisonnement sur 11 coupes.
5-125
Figure 5.28. La probabilit d'occurrence obtenue par raisonnement sur les centres de gravit.
5-126
Figure 5.29. Les entres de l'analyse (Sensibilit gauche, Activit au milieu, et Intensit droite).
5-128
5-128
Figure 5.31. Le rsultat de l'ala par l'utilisation de la mthode de raisonnement de Terano et al. [89].
5-129
viii
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
5-129
5-130
5-130
5-131
Figure 6.1. Deux photos ariennes prises depuis la navette Challenger qui illustrent la localisation de Louxor
ainsi quun plan succinct de la ville montrant lemplacement de la Valle des Rois.
6-137
Figure 6.2. Plan et coupe verticale de la tombe de Ramss I avec ses fracturations
6-140
6-140
Figure 6.4. Transformation dun nombre flou qui prsente le RQD en un nombre flou qui prsente lindice
correspondant dans la classification RMR
6-143
Figure 6.5. Les indices flous pour les paramtres du RMR.
6-144
Figure 6.6. Les quantits flous utilises pour la dtermination de la sensibilit dans la zone I de la tombe de
Ramses I.
6-145
Figure 6.7. Les indices RMR obtenues dans les zones II et II de la tombe de Ramss I.
6-146
6-146
Figure 6.9. L'ala dans les zones I, II et III de la tombe de Ramss I reprsent par des quantits floues.
6-149
6-150
6-151
6-155
6-156
6-157
Figure 6.15. La sensibilit dans la zone J ( gauche) et de la zone M ( droite) de la cot de Larris.
6-161
Figure 6.16. Sensibilit, activit, intensit et l'ala de la zone L value par la mthode floue. Le rsultat obtenu
par la mthode discrte de lINERIS est Faible.
6-163
Figure 6.17. Exemples d'ala quantifis par la mthode floue sur diffrentes zones des falaises de Pontoise 6-164
Figure 6.18. Reprsentation floue des classes des paramtres F1, F2, F3, F4 du SMR.
6-166
Figure 6.19. La sensibilit, l'activit, l'intensit, et l'ala de la zone L value par la mthode floue et par
l'utilisation du SMR comme un moyen de quantification de la sensibilit. l'ala de faon discrte a t qualifi
comme Faible.
6-170
Figure 6.20. Alas dtermins par la mthode floue (avec utilisation du SMR pour caractriser la sensibilit) sur
diffrentes zones du site des falaises de Pontoise
6-171
Figure 6.21.Les nuages des points des corrlations pour les quatre classes d'ala.
6-173
ix
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
2-40
2-40
2-40
2-41
Tableau 2.5. Qualification de la probabilit d'occurrence (croisement entre les classes de sensibilit et de
l'activit). D'aprs Tritsch et al. [96].
2-41
Tableau 2.6. Qualification de l'ala (croisement entre la probabilit d'occurrence et l'intensit). D'aprs Tritsch
et al. [96].
2-41
Tableau 4.1. Comparaisons entre les rsultats de probabilit doccurrence (en considrant que ngligeable < 1.5,
1.5 < Faible < 2.5, 2.5 < Moyenne < 3.5, et Forte > 3.5).
4-68
Tableau 4.2. Comparaisons entre les rsultats d'ala (en considrant que ngligeable < 1.5, 1.5 < Faible < 2.5,
2.5 < Moyen < 3.5, et Fort > 3.5).
4-68
Tableau 4.3. Exemples d'utilisation des surfaces d'ajustements (en considrant que ngligeable < 1.5, 1.5 <
Faible < 2.5, 2.5 < Moyen < 3.5, et Fort > 3.5).
4-69
Tableau 4.4. Nouvelles limites de classes de l'activit et de lintensit.
4-73
Tableau 5.1. Les oprations classiques sur les intervalles (a,b), et (c,d)
5-91
5-95
Tableau 5.3. Rsum de travail effectu en mcanique des roches en utilisant la logique floue.
5-108
Tableau 5.4. Extrait de la base des rgles pour l'activit avec trois paramtres d'entres. la base complte pour
trois entres comporte 64 rgles
5-122
Tableau 5.5. Le dcoupage en coupes pour la sensibilit
5-124
5-124
Tableau 5.7. L'application de la mthode de Min-Max sur les 16 rgles du tableau 2.5
5-125
Tableau 5.8. Comparaison entre le nombre de -coupes, le temps de calcul et rsultats obtenus.
5-131
6-138
Tableau 6.2. Indices RMR pour les diffrentes zones de la tombe de Ramss I.
6-141
Tableau 6.3. La base des rgles pour la dtermination de lala dans la tombe de Ramss I.
6-147
6-148
6-148
Tableau 6.6. Paramtres et Rsultats d'analyse sur les trois zones de Pontoise selon lapproche classique de
Tritsch et al [96].
6-158
Tableau 6.7. Les paramtres de sensibilit pour une analyse de type flou. (le mot vgtation signifie que nous ne
pouvons pas dcrire le paramtre cause dune vgtation dense, et la flche signifie que le paramtre est plutt
dans la premire classe que la seconde).
6-159
Tableau 6.8. L'activit et l'intensit des sites de Pontoise exprimes par les classes choisies
6-160
xi
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
Tableau 6.9. Les rsultats du calcul de sensibilit dans les trois zones de Pontoise (les quatre nombres donnent
les limites (x1, x2, x3, x4) d'un nombre flou de type trapzodal avec les participations suivantes : {x1/0 | x2/1 | x3/1
| x4/0}).
6-161
Tableau 6.10. Sensibilit, activit, et intensit des zones de Pontoise exprimes par des nombres flous
6-162
Tableau 6.11. L'ala des zones de Pontoise obtenu par calcul et raisonnement flou en utilisant les paramtres de
l'INERIS.
6-162
ableau 6.12. Expression des paramtres du SMR utilises pour la dtermination de la sensibilit.
6-168
6-169
6-169
6-169
6-169
Tableau 6.16. Les coefficients de corrlation entre les alas produits avec la formule de sensibilit INERIS, et le
SMR.
6-172
xii
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
RSUM
L'analyse des risques est pratique de plus en plus dans l'industrie depuis la
deuxime guerre mondiale. Elle a beaucoup volu et elle est maintenant trs
souvent mise en uvre dans les domaines de la scurit nuclaire, chimique, etc.
Pour les ouvrages gotechniques comme les tunnels, les mines et les carrires, il
n'existe pas aujourd'hui de mthodologie gnrale pour l'analyse et la
quantification des alas relatifs aux dangers inhrents ces types d'ouvrages
(chutes de blocs, boulements, etc.). L'une des raisons essentielles cela est
l'incertitude qui pse sur les donnes disponibles ou la mconnaissance mme des
valeurs des paramtres ncessaires ce type d'analyse.
Dans notre approche, lactivit, la sensibilit et lintensit dun site sont
exprimes en fonction de paramtres qui intgrent la variabilit, la complexit
ou lincertitude sous la forme de nombres flous, et lanalyse conduit la
dtermination de lala mouvement de terrain des terrains reprsent par un
nombre flou.
En nous appuyant sur la logique floue et ses outils, nous prsentons une approche
complte et intgre permettant de rsoudre lensemble des problmes
techniques (ou pratiques) rencontrs dans lutilisation des mthodes dvaluation
de lala mouvement de terrain mais aussi de traiter les pineuses questions de la
variabilit et de lincertitude des donnes. Nous exposons notamment le
dveloppement conceptuel et informatique que nous avons labor pour amliorer
la formalisation du raisonnement approximatif par les outils de la logique floue.
Des applications sont galement proposes avec notamment deux cas danalyse
rcurrents : la tombe de Ramss I dans la Valle des Rois Louxor, Egypte et les
falaises de Pontoise en rgion parisienne.
xiii
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
ABSTRACT
Since the World War II, industrial risk analysis has been applied with success to
many nuclear, petroleum, and chemical sites. The methods of risk analysis in the
industry are more or less standard and applicable.
On the other side, geotechnical sites such as tunnels, mines and quarries, or
cliffs, do not have standard or general methods for the evaluation of the risk
induced by these sites (block movements, block fallings, etc.). One of the
essential reasons for this fact is the uncertainty of the data collected and/or
the vagueness of the values of the parameters essential for such analysis.
In our approach, the activity, the sensitivity, and the intensity of a site are
defined as functions of site parameters that include the variability, the
complexity, and the uncertainty in the form of fuzzy numbers. The analysis lead
to the determination of the risk of ground instability, which is also presented in
the form of a fuzzy number.
With the help of the fuzzy logic, we are presenting a complete approach that
allowed us to solve the technical or practical problems faced during the use of
the methods of geotechnical risk analysis actually used by different
geotechnicians. And it also allowed the fine treatment of the problems of
variability and uncertainty of parameters values. We will explain also the
conceptual, logical and computer development that has been conducted in order
to improve the approximate fuzzy reasoning through the new concept of cuts.
We have applied this general methodology at two case studies in different sites:
one at the tomb of Ramsis I at the Valley of the Kings in Egypt, and the other at
the cliffs of Pontoise Northern Paris
xiv
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
INTRODUCTION GNRALE
Introduction gnrale
Introduction gnrale
Les travaux prsents dans ce mmoire sinscrivent dans le vaste champ de la gotechnique,
discipline consacre ltude du sol et du sous-sol pour en permettre lamnagement ou
lexploitation.
Ils portent en particulier sur lvaluation des risques dans les sites gotechniques, sites que
lon peut dfinir comme des ouvrages naturels ou artificiels, souterrains ou ciel ouvert qui
constituent une portion de lcorce terrestre, elle-mme constitue du sol et du sous-sol
correspondant, dans laquelle sexerce une activit humaine, Martin [76].
Or, un des caractres fondamentaux de ces sites est la stabilit. Quelle rsulte de lactivit
humaine ou non, cette instabilit induit des dangers sur lhomme ou ses ralisations. Cest la
mesure de ce danger qui nous intresse ici et cest cette mesure que nous appellerons le risque
dinstabilit.
Dans son acception la plus commune, le risque est dfini comme le produit de la probabilit
doccurrence de lvnement redout (ici linstabilit quelle quelle soit) par la gravit de ses
consquences. Dans le cas des sites gotechniques, on parle plus spcifiquement de lala
mouvement de terrain et de la vulnrabilit . L'ala intgre la probabilit d'occurrence et
l'intensit du phnomne tandis que la vulnrabilit reprsente la gravit estime des
consquences des phnomnes attendus sur les activits humaines.
On comprend aisment que lvaluation des risques dinstabilit implique la connaissance de
nombreux facteurs, externes ou internes au site considr. Parmi ces facteurs, on peut citer par
exemple, la frquentation du site, les fonctions du site, ses quipements, son environnement
physique, sa situation climatique, les proprits physiques et mcaniques des matriaux qui le
constituent, etc. Les consquences sont ainsi diffrents selon que le site tudi est situ en
zone sismique ou non, en montagne ou dans une valle, selon quil est ancien ou rcent, selon
quil est frquent par un public spcialis ou non, selon quil est excav dans un massif
argileux ou granitique. Nous limiterons ici nos investigations aux facteurs intrinsques aux
sites (les proprits gomtriques, physiques et mcaniques des sites) et nous nous attacherons
Page 17
Introduction gnrale
dterminer en fait ce que lon appelle les alas mouvement de terrain des sites
gotechniques.
Nous prsenterons donc dans un premier chapitre, les bases et la logique de lanalyse des
risques tant dans le domaine de lindustrie que dans le cas des risques dits naturels. Les
questions de vocabulaire y seront notamment abordes.
Dans le chapitre 2, nous prsenterons un tat des mthodes actuellement mises en uvre de
par le monde pour lvaluation des risques naturels en particulier. Nous prsenterons aussi les
approches franaises et plus en dtail l'approche retenue pour nos travaux.
Lvaluation de lala mouvement de terrain des sites gotechniques fait intervenir des
paramtres par nature difficiles saisir sans ambigut ou sans incertitude et de plus sujets
une variabilit spatiale. Il nous faudra donc tenir compte de ces aspects de la ralit. Par
ailleurs, des problmes pratiques sont rencontrs par ceux qui, sur le terrain, sont chargs de
faire lvaluation des alas mouvement de terrain au moyen des mthodes prsentes au
chapitre 2. Ces diffrents problmes propres aux mthodes employes seront poss au
chapitre 3 et nous verrons au chapitre 4 comment les rsoudre dans le cadre des mthodes
actuelles. Nous terminerons ce chapitre en critiquant les mthodes actuellement utilises et en
montrant les limites.
Dans le chapitre 5 nous prsentons la logique floue comme le support dune approche
complte et intgre permettant de rsoudre lensemble des problmes techniques (ou
pratiques) rencontrs dans lutilisation des mthodes dvaluation de lala mouvement de
terrain mais aussi de traiter les plus pineuses questions de la variabilit et de lincertitude des
donnes. Nous exposerons notamment le dveloppement conceptuel et informatique que nous
avons labor pour amliorer la formalisation du raisonnement approximatif par les outils de
la logique floue.
Enfin, dans le chapitre 6, nous exposerons des applications partir dune proposition de
mthodologie gnrale base sur lutilisation de la logique floue. Nous aborderons notamment
deux cas danalyse : la tombe de Ramss I dans la Valle des Rois Louxor et les falaises de
Pontoise en rgion parisienne.
Page 18
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
1.1. Introduction
Dans la pratique industrielle, l'valuation des risques est rendue ncessaire dans de
nombreuses situations. Cest le cas en particulier dans les installations de conception
nouvelle, dans les systmes complexes, dans les situations particulirement dangereuses ou
dans les installations ayant dj subi des accidents.
En effet, pour concevoir un systme, les concepteurs s'appuient en gnral beaucoup sur
l'exprience acquise sur des systmes analogues. Lorsque l'on dsire concevoir un systme
nouveau pour lequel aucune exprience antrieure n'est disponible, il est alors ncessaire
d'anticiper ce qui pourrait se produire lors de son exploitation relle, do la ncessit de
mettre en uvre une valuation des risques au moyen de mthodes adaptes la nature du
systme.
Par ailleurs, dans certains secteurs dactivit, les systmes modernes sont dans de plus en
plus complexes et leur conception fait appel des disciplines de plus en plus diverses
pratiques par des spcialistes. Chaque spcialiste conoit au mieux sa partie du systme,
mais les problmes se manifestent au moment o il faut raliser lintgration des
diffrentes parties. De plus, ces systmes sont en gnral composs de nombreux soussystmes dont les interactions sont souvent difficiles identifier, puis prendre en
compte.
raliser des analyses de risques afin de faire le point sur les risques prsents par leurs
propres installations.
Les mthodes dvaluation et de gestion des risques telles que nous les concevons aujourdhui
ont t dveloppes essentiellement partir de la 2e guerre mondiale grce une prise de
conscience collective de linacceptabilit de certains risques pris ou rencontrs dans les
installations industrielles, en raison de la ncessit pour les industriels de matriser davantage
la fiabilit de leur installations devenues de plus en plus complexes et coteuses ainsi que par
lmergence dactivits industrielles dans lesquelles les accidents peuvent avoir des retombes
trs grande chelle (lindustrie nuclaire en particulier).
Si les mthodes dvaluation des risques ont connu un essor considrable et sont maintenant
trs souvent dployes dans lindustrie nuclaire et lindustrie chimique en particulier mais
aussi dans certains secteurs dactivits comme le transport arien par exemple, cela nest pas
encore le cas dans les activits lis lamnagement et lexploitation du sol. Ainsi, dans les
activits o sexprime la gotechnique, les mthodes dvaluation des risques (et en
particulier des risques dinstabilits) sont encore balbutiantes.
Chapitre 1-22
Probabilit
Risque constant
(Courbe d'isorisque)
Gravit
Chapitre 1-23
Probabilit
Gravit
Figure 1.2. Exemple de principe du risque d'incendie dans une installation industrielle par exemple.
Probabilit
Prvention : rduire la probabilit
Probabilit
Inacceptable
Acceptable
Gravit
Chapitre 1-24
LAla dun vnement redout peut se dfinir comme la probabilit que ce phnomne se
produise au cours d'une priode de rfrence donne et avec une intensit donne. Dans le
cas de lala mouvement de terrains dont nous allons traiter, on sera gnralement conduit
lexprimer dans une chelle de type : ngligeable, faible, moyen ou fort.
La Gravit dun accident correspond lensemble des dommages quil occasionne sur les
biens, les personnes ou sur lenvironnement. Elle peut sexprimer par exemple en nombre
de morts, en cots des destructions ou cots des rparations, etc.
La Scurit est lensemble des actions destines assurer la protection des personnes et
des biens contre les effets des vnements redouts.
La Sret est lensemble des dispositions prendre tous les stades de la conception, de
la construction, de l'exploitation ou de l'arrt d'un systme dans le but de rduire la
probabilit de sa dfaillance.
Chapitre 1-25
La Vulnrabilit dun milieu, dun bien ou dune personne, cest son aptitude subir un
dommage la suite d'un accident. On peut considrer que la vulnrabilit un vnement
redout est une estimation de ce que sera la gravit de cet vnement sil se produit.
Le Danger peut tre dfini comme toute situation susceptible dengendrer des vnements
indsirables.
Le Risque est une mesure du danger. Il s'exprime par la combinaison des deux
caractristiques dimensionnelles du danger : sa probabilit et sa gravit. En matire de
risques naturels, on combine plutt lala et la vulnrabilit, mais le rsultat est
quivalent.
Chapitre 1-26
Chapitre 1-27
Analyse fonctionnelle
Modlisation du systme
Analyse qualitative
Analyse quantitative
Consultation de spcialistes
Synthse/dcisions
Spcifications
Programmes d'essais
Politique de maintenances
Quantification du risque
On procde ensuite l'analyse fonctionnelle du systme. Cette analyse peut tre rduite une
recherche sommaire des diffrentes fonctions prsentes, voire un dcoupage simple dans le
cas de systmes simples. La mise en uvre de mthodes trs codifies est ncessaire dans le
cas des systmes complexes.
L'tape suivante consiste identifier les risques potentiels prsents dans le systme du point
de vue des objectifs fixs. Pour identifier les risques, les mthodes les plus largement utilises
sont de nature inductive (on part des causes pour remonter aux effets) : APR, HAZOP,
AMDEC, etc. En collaboration avec les spcialistes du systme tudi, ces mthodes
permettent de mettre en vidence et de hirarchiser les risques, Leroy [92].
Pour les systmes ne prsentant pas de redondance, l'application des mthodes d'identification
des risques peut suffire pour raliser l'tude dsire. Par contre, pour les systmes complexes
prsentant une forte redondance, il est en gnral ncessaire de procder une modlisation
plus avance.
Chapitre 1-28
La modlisation d'un systme fait appel des mthodes diffrentes selon sa nature et le
problme rencontr. Pour les systmes statiques dpendant peu ou pas du temps, c'est la
technique des arbres de dfaillances qui est la plus couramment mise en uvre. Cette
technique, l'inverse des mthodes prcdentes, procde d'une dmarche dductive (on
recherche les causes des effets redouts). Lorsque le systme prsente un comportement
dynamique qui ne peut pas tre pris en compte correctement par les arbres de dfaillances, on
fait appel des mthodes bases sur les processus stochastiques ou d'autres mthodes nonstatistiques comme la logique floue. En effet, si on suit l'volution d'un systme dynamique au
cours du temps, on le voit sauter d'tats en tats au bout de dures de sjour alatoires, en
fonction des dfaillances et des rparations auxquelles il est soumis. Un tel comportement est
dit stochastique ou alatoire. Pour modliser ce comportement, la technique des chanes
de Markov est la plus couramment utilise, car c'est la plus facile traiter mathmatiquement,
Leroy [92]. Cette technique est base sur l'identification des diffrents tats du systme tudi
et sur l'analyse des transitions le faisant passer de manire alatoire d'un tat un autre. Il est
ainsi possible d'valuer par des calculs analytiques des paramtres probabilistes de premire
importance comme la fiabilit, la disponibilit, etc. Lorsque le nombre d'tats devient trop
grand pour tre manipul sans risque d'erreur, des modles de comportement dynamique
bass sur les rseaux de Petri, sont parfois utiliss pour identifier les tats en question.
Lorsque le nombre d'tats prendre en compte pour obtenir une modlisation raliste devient
trop grand, ou lorsque les lois de probabilit prendre en compte ne sont pas exponentielles,
une autre solution consiste raliser des simulations de Monte-Carlo du comportement du
systme tudi.
Pour les cas o le comportement du systme est difficile quantifier ou quand les paramtres
sont difficiles mesurer ou vaguement mesurables, un modle bas sur la logique floue est
utilisable.
Lorsque le modle est ralis, l'tape suivante consiste l'utiliser pour en tirer les rsultats
dsirs. Cette analyse est qualitative ou quantitative selon les mthodes mises en uvre
auparavant. La figure 1.6 donne le schma gnral d'une analyse pour l'aide la dcision.
Chapitre 1-29
Donnes statistiques
Estimation statistiques
Estimation flou
Analyses logiques
Traitements
Calculs
Raisonnements
Probabilit
Possibilit
Paramtres contributifs
Chemins critiques
Comparaisons
Sensibilit
Aide la dcision
Ces tudes et modlisations nous permettent d'tablir des spcifications pour les composants
les plus sensibles, et des programmes d'essai pour les composants nouveaux. Elles permettent
galement une quantification des risques prsents par le systme.
Plus le modle est conforme la ralit, plus les rsultats obtenus sont, bien entendu, valables.
La difficult consiste gnralement disposer des donnes ncessaires qui sont souvent mal
connues ou entaches d'une grande imprcision, ou mme totalement inconnues. Cette
remarque doit faire prendre conscience que les estimations probabilistes ou non probabilistes
qui peuvent tre faites sont surtout intressantes lorsqu'on les considre relativement les unes
aux autres pour comparer diverses solutions, hirarchiser les problmes ou mettre en vidence
la sensibilit des rsultats recherchs la variation de certains paramtres.
Chapitre 1-30
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
Chapitre 2-33
applique dans plusieurs domaines de la mcanique des roches, notamment dans les
publications de Hudson et al. [90], Hudson et al. [90-1], Ping et al [93], Jiao et al. [95], et
Mazzoccola et al. [96].
Nathanail et al. [92] prsentent une application de la mthodologie de Hudson ltude de la
stabilit des falaises dans un massif htrogne. Grce cette mthode, ils dfinissent une
quation globale pour l'valuation du risque dinstabilit en utilisant des paramtres dfinis
par des experts sur le site.
McMillan et al. [97] ont dfini une mthodologie d'analyse multi-phases pour lanalyse du
risque dinstabilit des talus dautoroutes. Cette mthodologie permet de donner un indice de
risque dans une premire phase et de donner, dans une deuxime phase, un taux de risque
dinstabilit partir dune tude dtaille du site.
Bien entendu, ces tudes ne sont pas les seules traiter la question de lvaluation de lala
mouvement de terrain des falaises ou des ouvrages souterrains, mais elles sont les plus
remarquables trouves dans la littrature scientifique disponible. Nous avons aussi relev des
travaux portant sur les mthodes de classification des massifs rocheux ou des falaises et sur
applications de ces mthodes de classification. Il en est ainsi des travaux de Romana [91] et
de Orr [92], mais aussi des travaux de Mehrotra et al. [95] et Romana [97] qui prsentent des
applications de ces mthodes lvaluation des sites.
Dautres mthodes moins classiques ont aussi t proposes. Cest le cas en particulier des
mthodes base de systmes dinformations gographiques (Ellenberger [81], Budetta et
al. [94], Ellison [78]) Ellenberger [81], par exemple, dfini une mthodologie de prdiction du
risque d'instabilit des falaises par l'utilisation dune mthode cartographique appele Overlay
technique (technique de superposition). Dans son article, il utilise des paramtres concernant
la stabilit de l'ouvrage et des paramtres concernant la gologie ou la morphologie. Cette
tude montre que l'utilisation d'un systme d'information gographique peut tre utile dans le
cas o lon disposerait de donnes statistiques et gographiques sur le site.
Parmi les auteurs ayant travaill sur la stabilit des talus, certains ont propos des approches
probabilistes pour valuer la stabilit des talus (Young [93] et le logiciel commercial GeoSlope)
Chapitre 2-35
Il se dgage de ce rapide panorama quil ny a pas une mais des mthodes dvaluation des
risques dinstabilit. Ces mthodes ont en commun le principe gnral d'valuer un ala ou un
risque partir de quelques paramtres ou observations relativement faciles dterminer sur le
terrain. Ces mthodes ne prennent nanmoins jamais en compte les scnarios envisags ni, a
fortiori, la probabilit que des accidents surviennent. Par ailleurs, il nest jamais fait mention
de la gravit des consquences de ces accidents. On parle donc bien dinstabilit potentielle et
non pas de risque potentiel au sens strict du terme. On retiendra que, en gnral, les auteurs
dterminent, le plus souvent, ce que nous appelons la sensibilit d'un site et parfois l'ala d'un
site et non pas le risque (dans sans acception franaise) comme ils le prtendent.
En France, de plus en plus de travaux scientifiques portent sur lvaluation des risques
naturels. Ils concernent les risques de glissement de terrains, les risques de fontis, les risques
deffondrements miniers ou deffondrement dimmeubles dans les zones urbaines par
exemple.
Evrard, H. [87] dans un article intitul Risques lis aux carrires souterraines abandonnes
de Normandie, se propose d'valuer l'ala dans un site sans dsordre dcelable en surface ou
l'estimation du danger rmanent, aprs un effondrement. L'article montre l'intrt d'un
document cartographique de synthse, tabli par commune et rassemblant tous les indices
pertinents. Le but de son tude est d'envisager la mise en uvre de diverses mthodes de
reprage des vides ou la ralisation d'tudes de stabilit. Son travail est principalement bas
sur la dtermination et la localisation des vides souterrains. Il discute aussi les causes
possibles des effondrements. Mais, il ne propose pas de classification des risques, ni ne
mentionne les notions de probabilit des vnements ou de gravit des consquences. L'tude
porte en fait sur la cartographie de la sensibilit l'instabilit, et non pas sur une cartographie
de risque ou d'ala naturel.
Fares, A. et al [94] ont travaill sur l'valuation des risques naturels lis aux mouvements de
terrains dans une rgion situe au Nord du Maroc. La mthodologie employe est base sur le
traitement mathmatique des indices relatifs la topographie, la lithologie et la
gomorphologie des versants. L'utilisation dune cartographie de ces trois facteurs permet de
dlimiter le cadre propice aux dclenchements des mouvements de terrains. Pour chaque zone
de terrain, la mthodologie donne un indice qui correspond une classe (4 classes pour la
topographie, 5 classes pour la lithologie et 5 classes pour la gomorphologie). Le traitement
Chapitre 2-36
mathmatique de ces indices (addition) ou bien le traitement probabiliste (chaque indice est
associ avec une probabilit), donne un indice global de risque qui est ensuite plac dans une
des quatre classes et constitue une cartographie du risque de mouvements de terrains.
Rezig, et al. [97] proposent une mthodologie probabiliste d'valuation du risque du
mouvement des terrains une approche gostatistique base sur l'valuation cartographique
de la gologie, l'tat hydrologique, les discontinuits tectoniques, la pente stratigraphique, la
vgtation et la pente. Ils utilisent la base de donnes de Trives du BRGM qui est une base
de donne rgionale prsentant les instabilits dans la rgion de Trives avec ses amplitudes.
Pour chaque paramtre, Rezig et al., proposent que l'utilisation des distributions spatiales de
chaque paramtres permette damliorer l'utilisation de la base de donnes.
Le travail de Millies-Lacrois [81] porte sur les diffrents systmes de classification des talus.
Il a tent de mettre en vidence les difficults de l'aspect arbitraire et subjectif des
classements. Il prsente brivement les classifications existantes et, en vue d'applications
pratiques, il s'interroge sur les critres prendre en considration. Il constate dans sa
conclusion que les classifications rgionales sont mieux adaptes la rsolution des
problmes pratiques d'amnagement urbain ou rural.
Un rapport publi par le ministre de l'environnement en 1994 et intitul les mouvements de
terrains donne un cadre global aux dangers et risques de mouvements de terrains sans
proposer une mthodologie gnrale d'analyse. Dans ce rapport, on prsente ce que sont la
vulnrabilit, la probabilit d'occurrence, et la gravit des phnomnes. On trouve aussi
quelques principes sur la surveillance des sites sensibles aux mouvements de terrains ainsi que
des principes de la prparation la gestion de crise.
En 1996, Tritsch et al. [96] ont rdig un rapport dans le cadre d'une tude mene par
l'INERIS sur l'valuation de lala du site de Pontoise en rgion parisienne. Ce rapport intitul
Mthodologie pour la connaissance et l'identification des risques de mouvements de terrain
prsente un panorama des problmes d'instabilits de falaise avec pour objectif lvaluation de
lala naturel. Tritsch et al. proposent de dfinir l'ala naturel comme le produit du croisement
entre la probabilit d'occurrence d'un phnomne et son intensit. La probabilit d'occurrence
est elle-mme estime comme le produit du croisement de la sensibilit d'un site vis vis de
Chapitre 2-37
l'instabilit redoute et de l'activit du site. Cette approche par tape qui a t adopte par
l'INERIS est illustre sur la figure 2.1.
Les ingnieurs de l'INERIS ont propos des qualifications pour les paramtres observer sur
site ainsi que des rgles de croisement entre les paramtres. Ces qualifications et croisements
ne sont valables que sur le site tudi.
Donnes et
Observations
Raisonnement
par croisement
Raisonnement
par croisement
Paramtres de
Sensibilit
Paramtres
dActivit
Probabilit
doccurrence
Ala
Chapitre 2-38
Paramtres
dIntensit
[1]
La sensibilit obtenue par cette formule est ensuite place dans une chelle de valeurs 4
classes comme le montre le tableau 2.2.
Pour l'activit du site et l'intensit des phnomnes, les tableaux 2.3. et 2.4. rcapitulent les
paramtres observer sur le site et leurs classifications.
Pour le site de Pontoise, Tritsch et al. [96] proposent ensuite de continuer l'analyse en
sappuyant sur certaines rgles. Ainsi, les rgles de croisement entre la sensibilit et l'activit
qui dfinissent le niveau de la probabilit d'occurrence sont prsentes dans le tableau 2.5 et
le tableau 2.6 prsente les rgles de croisement entre la probabilit d'occurrence et l'intensit
qui donnent l'ala.
Chapitre 2-39
Tableau 2.1. Paramtres de sensibilit dans le site de Pontoise et ses indices. D'aprs Tritsch et al. [96]
Pas de Fracturation (PF)
< 0.2 m
0.2 ~ 0.6 m
0.6 ~ 2 m
>2m
Indice
3
2
1
0
3
2
1
0
3
2
1
0
3
2
1
0
3
2
1
0
Note calcule
< 25
25 ~ 49
50 ~ 75
> 75
Frache
Active
Chapitre 2-40
Intensit du phnomne
Chutes de pierres
Chutes de blocs
boulements
boulements majeurs -croulement
Tableau 2.5. Qualification de la probabilit d'occurrence (croisement entre les classes de sensibilit et
de l'activit). D'aprs Tritsch et al. [96].
Sensibilit
Activit
Dormante
Inactive ou peu active
Frache
Active
Trs favorable
Favorable
Dfavorable
Trs dfavorable
Ngligeable
Faible
Moyenne
Forte
Faible
Faible
Forte
Forte
Faible
Moyenne
Forte
Forte
Moyenne
Moyenne
Forte
Forte
Ngligeable
Faible
Moyenne
Forte
Ngligeable
Faible
Faible
Moyen
Faible
Faible
Moyen
Moyen
Faible
Moyen
Moyen
Fort
Moyen
Moyen
Fort
Fort
Chapitre 2-41
lensemble des oprations qui conduisent lala ds que les paramtres de lanalyse ont t
renseigns. Il est ensuite facile de faire varier un paramtre pour voir son incidence sur le
rsultat. La figure 2.3. prsente le fonctionnement de ce logiciel.
Probabilit
Moyen
Moyen
Fort
Fort
Faible
Moyen
Moyen
Fort
Faible
Faible
Moyen
Moyen
Ngligeable
Faible
Faible
Moyen
Intensit
Paramtres de Sensibilit
Paramtres d'Activit
Paramtres d'Intensit
Pas de Fracturation
, - , m
Ecartement et rugosit des joints
Activit
Dormant
Intensit
Eboulements
PEN
Sensibilit
--
Dfavorable
Chapitre 2-42
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
La pratique de lvaluation des risques dinstabilits gotechniques telle quelle ressort des
travaux scientifiques mentionns prcdemment est confronte quelques problmes majeurs
que nous nous proposons maintenant de discuter.
Le premier problme concerne le type dobservations ou de mesures effectues sur les sites et
les informations qui en sont tires. Pour dcrire les milieux quils tudient, certains auteurs
utilisent les caractristiques mcaniques telles que la rsistance la compression simple ou
triaxiale, la rsistance la traction, le coefficient de Poisson, etc., ou les caractristiques
physiques telles que la densit, la porosit, la permabilit, etc. Dautres font appel aux
caractristiques minralogiques des milieux ou encore des caractristiques relatives aux
discontinuits comme lespacement entre joints, le RQD, louverture des joints, etc.
Lun des problmes rside dans le fait qu'on ne trouve pas une mthodologie standard de
description des milieux. Si certains paramtres sont valables pour certains sites, ils ne peuvent
pas tre adapts la description dautres sites. Par consquent, une mthodologie d'valuation
des risques base sur quelques observations typiques ne pourrait tre valable pour tous les
sites.
Les experts qui interviennent dans lvaluation des risques dinstabilits utilisent galement
des formulations empiriques pour la caractrisation de ltat du milieu ou massif tudi. C'est
le cas, par exemple, des falaises de Pontoise pour ltude desquelles les experts de lINERIS
ont dfini une formule empirique conduisant un indice de massif. Ces formules empiriques
que l'on trouve parfois dans les rfrences bibliographiques sont bases sur l'exprience
accumule sur les sites bien documents et ne sont pas forcment applicables dautres sites.
Dautre part, l'application des mthodes numriques pour l'analyse de la stabilit des ouvrages
gotechniques gagne de lintrt avec l'augmentation rapide de la puissance de calcul des
ordinateurs. Mais elle reste toujours limite par la taille des modles et la quantit
dinformation traiter. Jusqu aujourdhui, il est illusoire de vouloir modliser toutes les
caractristiques physiques et mcaniques des situations tudies et en particulier leur caractre
alatoire. Si la modlisation peut apporter des rsultats intressants concernant certains
Chapitre 3-45
aspects de la ralit tudie et donner des lments de rponse certaines questions poses
par lvaluation des risques, elle ne permet pas dvaluer les risques dinstabilit part entire
en particulier dans leur nature probabiliste.
Un autre problme rencontr dans la pratique concerne les mthodes de description des
massifs qui conduisent en gnral un dcoupage des valeurs des paramtres en classes. Ce
problme est en fait plus gnral puisquil se pose ds que nous rduisons linformation des
classes de valeurs. La transition entre les classes ntant pas continue, une faible variation de
la valeur dun paramtre (autour dune limite de classe) peut entraner une modification
significative dun rsultat. Dune manire gnrale, il se pose ici un problme de robustesse
des mthodes. Par ailleurs, les rgles de raisonnement entre les classes des paramtres sont le
plus souvent des rgles arbitraires. La transition entre les donnes et les rsultats au moyen de
ces rgles peut donc tre trs sensible une lgre modification de la valeur dun paramtre.
Un problme majeur qui pse sur les rsultats donns par les mthodes dvaluation des
risques concerne la variabilit naturelle des donnes releves sur les sites. En effet, les valeurs
des caractristiques quantitatives mesures sur le site peuvent tre considres comme des
ralisations de lois de distributions statistiques dont la connaissance est ncessaire dans le cas
de la mise en uvre de mthodes de simulation destines analyser leffet de la variabilit
des donnes. La connaissance des lois de distribution est malheureusement rarement
disponible sauf disposer dun grand nombre de donnes.
Un autre problme li aux observations concerne les paramtres qualitatifs toujours difficiles
intgrer dans un formalisme mathmatique conduisant lvaluation des risques. Il est
hasardeux, en particulier, dutiliser de tels paramtres dans des mthodes de simulation de
type Monte-Carlo.
Chapitre 3-46
Au cours de notre travail de recherche, nous avons essay de trouver des solutions la plupart
de ces problmes que nous allons exposer par la suite.
Nous avons group les problmes en quatre catgories :
la premire concerne le choix des paramtres et des formules empiriques utilises pour
caractriser ce que nous appelons la sensibilit dun site. Nous parlerons ce sujet de
formule de sensibilit ;
la deuxime catgorie concerne le problme des limites des classes ainsi que la dfinition
et la manipulation des rgles de croisement ;
Les solutions que nous avons envisages ces problmes seront systmatiquement prsentes
par la suite sur lexemple de lvaluation de lala dans le site de Pontoise.
Chapitre 3-47
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
Les classifications qui sappuient sur une description minralogique conduisant des
diffrenciations
telles
que
massif
carbonique,
massif
calcaire,
ou
roche
Les classifications dfinies partir des caractristiques mcaniques telles que rsistance
la compression simple ou rsistance la traction par exemple.
Les classifications analytiques des massifs comme l'analyse lastique dun massif
caractrise par la dformation du milieu, elle mme dfinie par des quations telles que :
e =
1
[s 3 n (s 1 + s 2 )]
E
[2]
dans laquelle :
est le coefficient de Poisson,
Chapitre 4-51
Les classifications de l'ingnieur, le plus souvent bases sur son exprience et qui font
intervenir des paramtres physiques et mcaniques du milieu tudi.
Une tude bibliographique largie nous a permis de nous rendre compte que les systmes de
classification les plus utiliss sont actuellement le Rock Mass Rating System (RMR) de
Bieniawski [73] et le Q-System de Barton [74]. Par ailleurs, pour la classification des talus et
falaises, il semble que lon fasse aussi assez souvent appel au Slope Mass Rating Sytem
(SMR) de Romana [91]. Les dtails de ces systmes de classification sont donns en
annexe A.2
Ces trois systmes se diffrencient des autres systmes de classification tels ceux de Terzaghi
[46], Lauffer [58], Deer [64], Weickham [72], Louis [74], Laubscher [77], AFTES [78] ou
encore ISRM [81], par leur facilit dutilisation. Les dtails de ces systmes de classification
sont donns en annexe A.2.
De point de vue de facilit dutilisation, on peut ajouter que le RMR de Bienawski est
certainement plus facile exploiter que le Q-System de Barton.
Nous allons prsenter ci-aprs les systmes RMR, Q et SMR qui nous paraissent pouvoir
constituer de bons indicateurs de la sensibilit dun site. Quant aux autres systmes pouvant
galement tre utiliss, les principaux lments qui les fondent sont prsents en annexe A.2.
Chapitre 4-52
La dtermination de chacun de ces paramtres permet de situer le massif rocheux tudi dans
l'une des cinq classes prdfinies auxquelles sont attachs des indices de pondration. Le
RMR ou Rock Mass Rating est l'indice global du massif. Il est obtenu en sommant tous les
indices individuels.
La classification de Bieniawski est utilise par de nombreux spcialistes pour caractriser, par
exemple, ltat de talus rocheux, Romana [97], elle est utilise en gnie civil pour le
percement de tunnels, Coggan [97], et en gnie minier, Daws [97]. Certains ajustements sont
parfois ncessaires pour tenir compte des contraintes in situ, de l'utilisation dexplosifs ou
bien pour le cas spcifique des mines de charbon.
Le schma gnral de la classification de Bieniawski [73] est illustr par la figure 4.1.
Chapitre 4-53
Rsistance la
compression simple
Indice : 0 ~ 15
Espacement moyen
des discontinuits
Indice : 5 ~ 20
RQD
Indice : 3 ~ 20
Indice : 0 ~ -60
Condition hydrologique
Indice : 0 ~ 15
RMR
Indice : 0 ~ 100
Chapitre 4-54
Q=
RQD J r J w
J n J a SRF
[3]
Barton a donn des tableaux dtaills pour le choix de chaque paramtre de son systme de
classification Bieniawski [89]. Il a aussi group ces paramtres par paires qui reprsentent :
RQD
, la taille moyenne des blocs rocheux
Jn
Jr
, la rsistance au cisaillement entre les blocs,
Ja
Jw
, les contraintes actives et les conditions hydrogologiques.
SRF
Chapitre 4-55
Barton a aussi propos une relation empirique donnant l'ouverture maximale dune cavit
pouvant rester stable sans soutnement, en fonction de Q :
Ouverture = 2 Q0.66
[4]
[5]
A titre dexemple, lanalyse du site de la tombe de Ramss I dans la valle des rois, en
gypte, nous a donn les rsultats suivants :
Dans la classification de Bieniawski :
Indice pour le Rc
Indice pour le RQD
Indice pour l'espacement moyen des discontinuits
Indice pour les conditions des discontinuits
Indice pour l'tat hydrologique
2.2
20
13
26
5
66.2
RQD
Jn
Jr
Ja
Jw
SRF
97
3
1.5
1
1
5
9.7
Chapitre 4-56
[6]
Pour chaque paramtre, Romana [91] a donn un tableau dindices similaires ceux de
Bieniawski, mais il a donn aussi des formules empiriques pour F1 et F2. Voici la signification
de ces paramtres selon Romana [91] :
F1 = (1-Sin(A))2
[7]
F2 = (Tan (B))2
[8]
F4 dtermine le type de talus (naturel, artificiel, etc), qui varie entre 8 et +15
(valeurs donnes par Romana [91]) selon le type de talus.
Nous verrons dans les chapitres suivants comment ces systmes de classification peuvent tre
utiliss dans le cadre dune mthode dvaluation de lala mouvement de terrains des terrains
travers les exemples qui seront prsents.
Chapitre 4-57
Chapitre 4-58
RQD = 50%
20
Indice = 13 ?
Index
15
Indice = 8 ?
10
5
0
0
25
50
R Q D (%)
75
100
Sensibilit = 53 Dfavorable
Paramtres et observations
Paramtres et observations
Ala Moyen
Sensibilit = 40 Favorable
Paramtres et observations
Paramtres et observations
Ala Faible
Chapitre 4-59
Une faon de rsoudre ce problme consiste remplacer les classes par une chelle continue
dindices compatibles, en moyenne, avec les indices discrets. Pour cela, il est possible
dlaborer un modle continu par rgression linaire partir des valeurs dindices initiaux
affectes aux milieux des classes. Dans le cas du RMR par exemple, Bieniawski [89] a
propos des courbes permettant de passer directement de certains paramtres aux indices
comme le montrent les figures 4.4 4.6. Ces figures montrent aussi les quations que nous
pouvons proposer par rgression.
Nous pouvons ainsi proposer des relations mathmatiques pour les autres paramtres de RMR
qui donnent des fonctions permettant de passer des paramtres mesurs aux indices
correspondant dans le systme de classification.
Concernant l'tat hydrologique, nous proposons une courbe qui passe par les points moyens
de chaque classe comme le montre la figure 4.7.
Pour ce qui concerne les conditions des discontinuits, nous nous sommes appuys sur les
tableaux de Bieniawski [89], dans le but de trouver des fonctions reprsentatives des
conditions des discontinuits : pour la longueur moyenne des discontinuits et l'ouverture des
discontinuits, les figures 4.8 et 4.9, montrent les classes proposes par Bieniawski avec les
courbes que nous avons propos pour reprsenter ces classes.
Par contre pour les paramtres qualitatifs comme la rugosit des fissures, l'tat de remplissage
de discontinuits et l'altration, nous ne pouvons pas proposer de formulation analytique. Ceci
limitera l'utilisation de ces formules dans l'analyse.
Chapitre 4-60
14
1.501 2.48x
0.25
1.551 x
12
Indice
10
8
6
4
2
80
120
160
Rsistance la compression HMPa L
40
200
240
Figure 4.4. Valeur de lindice de Rsistance la compression simple. l'quation a t obtenue par
rgression linaire
20
17.5
15
Ind ice
12.5
10
7.5
5
2.5
200
400
600
800
1000
1200
1400
Espacement moyen des discontinuits H mm L
1600
1800
2000
Figure 4.5. Valeur de lindice dEspacement moyen des discontinuits. l'quation a t obtenue par
rgression linaire
20
17.5
2
2.677+ 0.129x + 0.001x 0.072Log[ x ]
15
Indi ce
12.5
10
7.5
5
2.5
20
40
R.Q.D. H%L
60
80
100
Figure 4.6. Valeur de lindice de RQD. l'quation a t obtenue par rgression linaire
Chapitre 4-61
Indice
In Flow
m HLmin L
0.134
0.04x1.301Log[ x]
x
Indice
4.856
Indice
.
.
.
.
Ouverture moyen des discontinuits
Chapitre 4-62
Chapitre 4-63
Surface 1
Surface 2
R : 0.905607,
0.17 x +
0.67 x
+ 1.78 y 0.028 x y
y
R2: 0.933874,
Surface 3
Surface 4
2
y + 2.125 y 2 0.292 y 3
R2 : 0.9558,
Chapitre 4-64
y + 2.125 y 2 0.292 y 3
Figure 4.11. Comparaisons entre les rgles de croisement et les surfaces d'ajustements.
Chapitre 4-65
Surface 1
0.6 x + 0.6 y - 0.04 x y
R2 : 0.9127,
Surface 2
-0.0706 + 0.479 x + 0.107 x/y + 0.657 y 0.014 x y
R2 : 0.9132,
Surface 1
Surface 2
Figure 4.13. Comparaisons entre les rgles de croisement et les surfaces d'ajustements.
Chapitre 4-66
A partir des rsultats obtenus et illustrs par les figures prcdentes, nous pouvons retenir les
rsultats suivants :
Pour les mmes raisons des indicateurs mathmatiques, le meilleur ajustement pour l'ala
est le premier des ajustements proposs : 0.6 x + 0.6 y - 0.04 x y. Ce rsultat est logique
car les rgles de raisonnement que nous avons utilises pour l'ala sont plus naturelles que
celles qui sont utilises pour la probabilit doccurrence.
Le tableau 4.2 prsente des comparaisons entre des rsultats obtenus par le croisement
avec les rgles du tableau de lala et l'utilisation des diffrentes surfaces d'ajustements.
Chapitre 4-67
Tableau 4.1. Comparaisons entre les rsultats de probabilit doccurrence (en considrant que
ngligeable < 1.5, 1.5 < Faible < 2.5, 2.5 < Moyenne < 3.5, et Forte > 3.5).
Probabilit
d'occurrence
par tableau
Surface 1
Surface 2
Surface 3
Surface 4
<1.5
1.5< < 2.5
1.06
2.07
0.86
2.11
0.92
2.06
1.01
1.79
2.5< <3.5
>3.5
< 1.5
1.5< < 2.5
3.08
4.09
1.67
2.49
3.31
3.82
1.63
2.52
3.06
3.95
1.71
2.65
3.33
3.86
1.80
2.39
>3.5
>3.5
1.5< < 2.5
2.5< <3.5
3.31
4.13
2.28
2.91
3.59
4.01
2.35
2.88
3.47
4.17
2.24
3.00
3.74
4.08
2.33
2.75
>3.5
>3.5
2.5< <3.5
3.54
4.17
2.89
3.804
4.14
2.91
3.63
4.13
2.78
3.89
4.04
2.86
Inactive ou
peu active
Frache
2.5< <3.5
3.33
3.07
3.34
3.08
>3.5
3.77
3.86
3.78
4.05
Active
>3.5
4.21
4.12
4.09
4.01
Sensibilit
Activit
Trs favorable
Trs favorable
Dormante
Inactive ou
peu active
Frache
Active
Dormante
Inactive ou
peu active
Frache
Active
Dormante
Inactive ou
peu active
Frache
Active
Dormante
Trs favorable
Trs favorable
Favorable
Favorable
Favorable
Favorable
Dfavorable
Dfavorable
Dfavorable
Dfavorable
Trs
dfavorable
Trs
dfavorable
Trs
dfavorable
Trs
dfavorable
Tableau 4.2. Comparaisons entre les rsultats d'ala (en considrant que ngligeable < 1.5, 1.5 <
Faible < 2.5, 2.5 < Moyen < 3.5, et Fort > 3.5).
Probabilit
d'occurrence
Intensit
Ala par
tableau
Surface 1
Surface 2
Ngligeable
Chutes de
pierres
Chutes de
blocs
boulements
boulements
majeurs
Chutes de
pierres
Chutes de
blocs
boulements
boulements
majeurs
Chutes de
pierres
Chutes de
blocs
boulements
boulements
majeurs
Chutes de
pierres
Chutes de
blocs
boulements
boulements
majeurs
<1.5
1.16
1.15
1.5< <2.5
1.72
1.72
1.5< <2.5
2.5< <3.5
2.28
2.84
2.31
2.82
1.5< <2.5
1.72
1.72
1.5< <2.5
2.24
2.23
2.5< <3.5
2.5< <3.5
2.76
3.28
2.78
3.27
1.5< <2.5
2.28
2.29
2.5< <3.5
2.76
2.73
2.5< <3.5
>3.5
3.24
3.72
3.25
3.72
2.5< <3.5
2.84
2.87
2.5< <3.5
3.28
3.24
>3.5
>3.5
3.72
4.16
3.72
4.17
Ngligeable
Ngligeable
Ngligeable
Faible
Faible
Faible
Faible
Moyenne
Moyenne
Moyenne
Moyenne
Forte
Forte
Forte
Forte
Chapitre 4-68
Tableau 4.3. Exemples d'utilisation des surfaces d'ajustements (en considrant que ngligeable < 1.5,
1.5 < Faible < 2.5, 2.5 < Moyen < 3.5, et Fort > 3.5).
Sensibilit
Activit
Intensit
Trs
favorable
Favorable
Dormante
Trs
favorable
Trs
dfavorable
Favorable
Frache
Chutes de
blocs
Chutes de
pierres
boulements
Dfavorable
Trs
dfavorable
Dfavorable
Frache
Active
Inactive ou
peu active
Active
Frache
Dormante
boulements
majeurs
Chutes de
blocs
Chutes de
pierres
boulements
boulements
majeurs
Probabilit
Probabilit
d'occurrence d'occurrence
(par tableau) (par surface 4)
Ngligeable
1.01
(ngligeable)
Forte
3.74
(forte)
Moyenne
3.33
(moyenne)
Forte
4.01
(forte)
Faible
2.39
(faible)
Forte
4.05
(forte)
Forte
4.05
(forte)
Faible
2.33
(faible)
Ala (par
tableau)
Ala (par
surface 1)
Faible
1.73
(faible)
2.69
(Moyen)
3.39
(Moyen)
4.16
(Fort)
2.44
(faible)
2.87
(moyen)
3.74
(fort)
3.43
(moyen)
Moyen
Moyen
Fort
Faible
Moyen
Fort
Moyen
Chapitre 4-69
Chapitre 4-70
Chapitre 4-71
Nous avons propos l'ingnieur d'observer la tendance de chaque paramtre sur le site.
Une loi uniforme peut tre propose avec un minimum et un maximum, ou bien une loi
normale avec une valeur minimale et une valeur maximale correspondant une
probabilit de 95%. La figure 4.14. illustre ces deux approches. Nous avons propos ces
deux lois seulement faute dinformation supplmentaire sur la vritable rpartition des
valeurs possibles pour les paramtres mesurs. Il est bien vident que lutilisation dautres
lois ne poserait aucune difficult pratique particulire.
En ce qui concerne la sensibilit, chaque paramtre qui intervient dans sa dfinition est
remplac par une distribution. L'ingnieur choisit une classe minimale, une classe
maximale, et une distribution statistique. La figure 4.15. montre un dialogue du
programme que nous avons ralis cette intention. En simulant des indices de ces
classes, nous pouvons calculer la sensibilit. Nous avons ralis 1000 simulations pour
chaque paramtre, et les rsultats sont rassembls sous la forme d'histogrammes. La figure
4.16. montre l'histogramme d'une sensibilit dans un cas typique.
Pour l'activit et l'intensit, une simulation directe sur les indices est ralise. Par contre,
pour les classer pour le croisement, nous avons dfini de nouvelles limites de classes.
Cette procdure est illustre par le tableau 4.4.
En appliquant ces nouvelles limites de classes, nous pouvons, pour chaque simulation
obtenir une classe de la probabilit d'occurrence et de lala. Ces valeurs sont rassembles
sous forme d'histogrammes. La figure 4.17. prsente un histogramme d'ala obtenu par
simulation.
Chapitre 4-72
95% du
surface
.
.
.
.
.
Pas de Fracturation PF
Minimum
Maximum
>2 m
0,2 - 0,6 m
Loi Uniform
Loi Normale
Maximum
Loi Uniform
Loi Normale
Maximum
<
Loi Uniform
Loi Normale
Loi Uniform
Loi Normale
+ -+
Maximum
Loi Uniform
Loi Normale
--
Figure 4.15. Remplacement des paramtres de la sensibilit par des distributions statistiques.
Classe
Dormante
Inactive ou peu active
Frache
Active
Classe
Chutes de pierres
Chutes de blocs
boulements
boulements majeurs
Chapitre 4-73
Frquince
Frquence
Trs favorable
Favorable
Dfavorable
Trs dfavorable
Frquence
Frquince
% cumul
,
Ngligeable
Faible
Moyen
Fort
Chapitre 4-74
%
%
Pour les variables qualitatives, comme par exemple, les variables de l'activit, la
simulation de Monte-Carlo n'est pas du tout adapte car nous faisons une simulation sur
les indices, ce qui na pas beaucoup de sens sauf de traduire une forme dincertitude que
peut avoir celui qui effectue le relev dans le choix de telle ou telle classe.
Le problme des limites de classes est toujours prsent, et les jeux de hasard ne rsolvent
pas ce problme la base.
Chapitre 4-75
Chapitre 4-76
Frquence
Ngligeable
Faible
Moyen
Fort
ou plus...
Ala
Figure 4.18. Histogramme d'ala aprs 1000 simulations. raisonnement par tableaux
Frquence
Moyen
Faible
Fort
...
,
,
pl
us
ou
Ala
,
,
,
,
Ngligeable
Figure 4.19. Histogramme d'ala aprs 1000 simulations calculs par les quations analytiques
Chapitre 4-77
Chapitre 4-78
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
Chapitre 5-81
Chapitre 5-82
Chapitre 5-83
La deuxime est une extension de la logique classique, dans le but de raisonner sur des
connaissances imparfaites par l'utilisation des - coupes et des rgles de raisonnement de
type flou.
L'utilisation de la logique floue que nous avons faite au cours de ce travail de thse s'inscrit
dans le cadre de la deuxime acception.
Chapitre 5-84
Chapitre 5-85
Dfinition
tant donn un ensemble de rfrence X, on peut indiquer les lments de X qui
appartiennent une certaine classe de X et ceux qui n'y appartiennent pas. Cette classe est
alors un sous-ensemble de X. Si l'appartenance de certains lments de X une classe n'est
pas absolue, on peut indiquer avec quel degr chaque lment appartient cette classe. Celleci est alors un sous-ensemble flou de X. Bouchon [93]
: X [0,1]
[9]
A = [ x , m A ( x )] x A, et A X
[10]
Appart enance mx
.
Forte
.
.
Faible
Moyenne
Rsistance
Figure 5.1. Les sous-ensembles Faible, Moyenne et Forte de l'ensemble flou Rsistance la
compression simple en MPa.
Chapitre 5-86
[11]
[12]
Un sous-ensemble peut tre reprsent graphiquement par un trapze ou une fonction plus
complexe. La figure 5.2. prsente deux formes de reprsentation.
x
a
+ (1 )
c
f A( x )= c
1
x
b
+ (1 +
d
d
si x a c ou si x b + d
si a c < x < a
si a x b
)
[13]
si b < x < b + d
Si a = b, la courbe est triangulaire. Dans le cas d'une fonction par exemple, la fonction
d'appartenance peut tre la suivante :
Chapitre 5-87
f A( x )=
a
b a
2a
2a
( x a )a ( b x ) b
[14]
Il n'existe pas de rgles gnrales pour le choix entre ces formes de reprsentation. La
reprsentation par trapze est facile construire et manipuler, et elle vite toute ambigut
avec la reprsentation de la densit de probabilit de distributions statistiques. Nous pensons
donc qu'il est prfrable d'utiliser une prsentation sous forme de trapzode pour la
reprsentation d'un sous-ensemble flou.
Chapitre 5-88
[15]
: 50 ~ 65
0.75
0.75
a
0.5
a
0.25
a
0
0
10
20
30
40
0.5
: 22.5 ~ 58.8
: 20 ~ 67.5
0.25
: 17.5 ~ 77
: 25 ~ 70
50
60
70
80
90 100
Chapitre 5-89
A B
( x ) = [ m A ( x ) m B ( x )] = max[ m A ( x ), m B ( x )]
[16]
A B
( x ) = [ m A ( x ) m B ( x )] = min[ m A ( x ), m B ( x )]
[17]
[18]
(A B) a = Aa B a
[19]
Si A B alors Aa B a
[20]
Chapitre 5-90
Union
.
.
Intersection
.
Le tableau 5.1. prsente les diffrentes oprations classiques et leurs correspondances sur les
intervalles et la figure 5.5. prsente la division de deux nombres flous par l'utilisation de leurs
-coupes.
Tableau 5.1. Les oprations classiques sur les intervalles (a,b), et (c,d)
Opration
-
1
d
E
Log
+
-
Rsultat
(-b, -a)
1 1
,
b a
(ea, eb)
(log a, log b)
(a+c, b+d)
(a-d, b-c)
(a c, b d)
(a d, b c)
(b c, a d)
(b d, a c)
a b
,
d c
a b
,
c d
b a
,
d c
b a
,
c d
(ac, bd)
(bc, ad)
(ad, bc)
(bd, ac)
Conditions
>0
<0
>0
>0
> 0, > 0
< 0, >0
> 0, < 0
< 0, < 0
>0
>0
<0
>0
>0
<0
<0
<0
d [1, ), e >
0
d [1, ), e < 0
d [0,1], e > 0
d [0,1], e < 0
Chapitre 5-91
a :
a :
.
.
. ~
a :
. ~
a :
. ~
=
a : .
~
a
: .
.
.
: .
: .
~ .
~ .
a : .
.
~ .
~ .
.
Figure 5.5. La division de deux nombres flous par l'utilisation de leurs -coupes.
Chapitre 5-92
.
.
f A( x )=
a
b a
2a
2a
( x a )a ( b x ) b
[21]
Ds que les sous-ensembles flous sont remplacs par des courbes -M, la simulation classique
de Monte-Carlo peut tre effectue sur ces sous-ensembles, et les rsultats finaux sont ajusts
sur une courbe -M qui constitue le rsultat de l'analyse ( condition que les oprations ne
conduisent pas un rsultat ayant une forme sensiblement diffrente de celle dune courbe ).
Cette mthodologie l'avantage dtre bien dfinie et vrifie scientifiquement. Mais le
dsavantage est quelle impose une forme unique des nombres flous qui n'est pas toujours
acceptable.
Chapitre 5-93
unique. Donc, une variable linguistique sert modliser les connaissances imprcises ou
vagues sur une variable dont la valeur prcise peut tre inconnue.
Pour reprsenter ces variables linguistiquement, nous pouvons utiliser des sous-ensembles
flous. Ces sous-ensembles flous tant qualifis sur une situation donne, nous donnons une
reprsentation des variables linguistiques suivant le schma expliqu par la figure 5.6.
Variables
Linguistiques
Qualification
Une variable linguistique est un triplet (V, X, Tv), dans lequel V est une variable dfinie sur
un ensemble de rfrence X. L'ensemble Tv = {A1, A2, }, fini ou infini, contient des sousensembles flous normaliss de X, utilisables pour caractriser V. Selon l'utilisation qui doit
tre faite, le nombre d'lments de Tv est plus ou moins grand. La figure 5.7. illustre une
variable linguistique (V, X, Tv) utilise pour dcrire le dimensionnement d'un pilier
Immense
Grand
Moyen
Petit
Trs petit
souterrain.
V = Dimensionnement,
Tv= {Trs petit, Petit, Moyen, Grand, Immense}
Figure 5.7. Variable linguistique (V, X, Tv) dcrivant le dimensionnement d'un pilier en mtre.
Chapitre 5-94
1 classe
e
2 classe
e
3 classe
e
4 classe
1er classe
Premire
Premire
Deuxime
Deuxime
2e classe
Premire
Deuxime
Deuxime
Troisime
3e classe
Deuxime
Deuxime
Troisime
Quatrime
4e classe
Deuxime
Troisime
Quatrime
Quatrime
Chapitre 5-95
Figure 5.8. Prsentation graphique des rgles de raisonnement flou suivant le tableau 5.2
Chapitre 5-96
Modificateurs
Rgle 1
Composition
(Raisonnement)
Dcomposition
(Dfuzzyfication)
Rgle 2
Rgle n
Valeur
Variable linguistique
Chapitre 5-97
[22]
[23]
Zw = f(my(x), Dw)
[24]
.
.
.
.
.
.
.
.
Chapitre 5-98
= Min(mx1, mx2)
m rsultat finale
[25]
[26]
Chapitre 5-99
PRESSION
Min
Max
0.68
ACTION
0.32
+
TEMPERATURE
Basse lev
--
0.58
--
0.32 0.42
0.58
0.42
m0Finale
m0.58)
m0.42)
m0.58)
m0.42)
= m0.58
= m0.42
= m0.32
= m0.32
m+Finale = m0.58
= Max(m0.42, m0.32) = m0.42
m--Finale = m0.32
Chapitre 5-100
= Min(mx1, mx2)
m rsultat finale
[27]
[28]
La figure 5.12. illustre le rsultat de cette mthode applique sur les mmes sous-ensembles
flous que ceux montrs sur la figure 5.11. et en utilisant les mmes rgles d'infrences.
En comparant les figures 5.11. et 5.12. il est clair que la mthode additive exagre les
rsultats, surtout si nous rencontrons plusieurs cas pour lesquels nous devons ajouter les
appartenances.
PRESSION
Min
Max
0.68
ACTION
0.32
-+
TEPERATURE
Basse lev
--
0.58
0.32 0.42
0.58
0.42
m0Finale
m+Finale = m0.58
= Min(1, m0.42 + m0.32) = m0.74
m--Finale = m0.32
Chapitre 5-101
Figure 5.13. La rduction en une mme valeur unique partir des deux nombres flous diffrents.
Chapitre 5-102
TEMPERATURE
PRESSION
Min
Max
Basse
leve
Si la PRESSION est
Figure 5.14. Raisonnement avec une entre sous forme de nombre flou daprs Terano et al. [89].
Chapitre 5-103
Figure 5.15. Deux nombres flous diffrents mais pouvant tre considrs comme quivalents si nous
utilisons la mthode de raisonnement de Terano et al. [89]
Chapitre 5-104
Chapitre 5-105
Chapitre 5-106
Chapitre 5-107
Tableau 5.3. Rsum de travail effectu en mcanique des roches en utilisant la logique floue.
Auteur(s) et anne
(Rao et al., [82])
Domaine d'application
Kriggage
(Nguyen, [85])
Glissement de terrains
(Nguyen, [85-2])
(Wenxiu, [87])
Tremblement de terre
Stabilit des talus
Liqufaction du sol
(Sui, [92])
(Doss, [92])
Tremblement de terre
Remarques
Explication d'une faon d'appliquer la thorie de la logique floue dans le kriggage avec
une synthse sur l'application dans l'exploration minire.
Application de la logique floue pour la dtermination des zones risque de glissement
de terrain base sur la hauteur, la morphologie, la pente, la densit des valles dans
une falaise, et la structure gologique.
Un essai pour qualifier le RMR par la logique floue ayant pour but de dduire un
systme permettant de connatre la dure de stabilit d'une galerie sans soutnement
artificiel.
Application de la logique floue pour la dtermination des zones risque de glissement
du terrain base sur la pente, les prcipitations, l'histoire du site, la limite de
cisaillement du massif, et le relchement du massif. Raisonnement par la mthode de
min-max.
Tentative d'appliquer de faon lmentaire le raisonnement de type min-max dans la
classification des massifs, mais la faon de dfinir les degrs d'apparition des nombres
flous n'est pas comprhensible. Dfuzzyfication par la mthode du maximum.
Calcul de nombres flous par coupes sur les systmes RMR et Q-systme.
Raisonnement par la mthode de min-max.
Synthse intressante sur les sources d'imprcisions. L'utilisation des mesures floues
est souligne. Cet article montre que l'utilisation de la logique floue et des mthodes
probabilistes peut tre complmentaire.
Un modle mathmatique pour analyser les dplacements et les dformations des
massifs sous l'influence d'excavations. L'utilisation de la thorie des possibilits est
applique.
La comparaison entre le facteur de scurit et le nombre flou qui prsente le risque est
assez spciale. La figure 5.17 illustre cette comparaison.
Prdiction de l'intensit des tremblements de terre avec la logique floue.
La description des paramtres du sol avec des nombres flous, peut conduire a une
analyse de stabilit de talus en utilisant la mthode des tranches (quilibre limite).
Synthse sur les incertitudes. Les calculs des nombres flous par simulation MonteCarlo.
Explication dtaille de la mthode de calcul par simulation Monte-Carlo avec une
application sur la stabilit des talus.
Application des concepts de systme d'information gographique pour l'valuation
d'urbanisme de terrains en utilisant la logique floue et le raisonnement flou.
Les auteurs ont dvelopp un systme expert pour la qualification des risques lies au
(Chuang, [95])
Facteur de scurit
Instable
Assez stable
Facteur de scurit
Peu stable
Facteur de scurit
Facteur de scurit
Stable
Figure 5.17. Comparaison entre un facteur de securite et un nombre flou qui reprsente le
rsultat. Daprs Sakura et al. [87].
Chapitre 5-110
er
eme
eme
eme
Figure 5.18. Quatre classes floues qui dfinissent aussi bien les paramtres de sensibilit, d'activit,
d'intensit que la sensibilit, la probabilit d'occurrence, et l'ala.
Dans ce cas, l'intervenant sur le site choisit une classe pour chaque paramtre de sensibilit,
d'activit et d'intensit. Deux -coupes suffisent pour les calculs de la sensibilit comme le
montre la figure 5.19. Le croisement entre la sensibilit et l'activit peut tre fait en suivant le
tableau de croisement et ainsi de suite pour le croisement entre la probabilit d'occurrence et
l'ala.
Chapitre 5-111
L'avantage de cette approche est que l'intervenant suit une procdure habituelle mais que le
problme des limites de classes n'existe plus car les nombres flous qui dfinissent les classes
se chevauchent. Le problme des paramtres qualitatifs peut galement tre rsolu en
dfinissant des classes floues se chevauchant pour ces paramtres.
.
Cas
Trs Favorable
Favorable
Dfavorable
.
Trs dfavorable
Figure 5.19. Sensibilit obtenue par deux coupes dans un cas typique d'analyse.
Pour croiser la sensibilit obtenue avec l'activit, nous proposons par exemple de
defuzzyfier la sensibilit et de la croiser avec l'activit. Cette approche, qui est illustre par
la figure 5.20, conduit nanmoins une perte d'information sur la sensibilit.
Mais puisque la surface de la sensibilit obtenue par les calculs avec les -coupes est ici gale
la surface de chacune des classes floues prdfinies pour la sensibilit, nous pouvons
effectuer un raisonnement plus labor en tenant compte de la partie de la sensibilit qui
recouvre chacune des classes standard. La surface de la sensibilit qui recouvre chacune des
classes standard est rapporte la surface totale de la sensibilit, ce qui donne le poids relatif
de chacune des classes standard dans la sensibilit. Le raisonnement est ensuite conduit avec
les classes standard. Il conduit des rsultats sinscrivant aussi dans des classes standard
auxquelles il suffit ensuite dattribuer un taux de participation gal aux proportions calcules
prcdemment. Cette approche est illustre par la figure 5.21.
Chapitre 5-112
Activit
Cas
=1
Trs Favorable
Favorable
Dfavorable
.
Trs dfavorable
Activit
Chutes de blocs
=2
Probabilit d'occurrence
Faible = 0.63
Moyenne = 0.37
.
Trs Favorable
.
Favorable
Dfavorable
Ala
Faible = 0.63
Moyen = 0.37
Trs dfavorable
Figure 5.20. Dfuzzyfication de la sensibilit et raisonnement par classes. (Daprs les rgles du
tableau 2.5.)
Chapitre 5-113
.
Cas
Trs Favorable
Favorable
Dfavorable
.
Trs dfavorable
Activit
Inactif ou peu actif
=1
.
Trs Favorable
.
Favorable
Dfavorable
Intensit
Chutes de blocs
Trs dfavorable
=2
Probabilit d'occurrence
Ngligeable = 0.04
Faible = 0.60
Moyenne = 0.36
Trs Favorable
.
Favorable
Dfavorable
Trs dfavorable
Figure 5.21. Dcoupage de la sensibilit par intersection avec ces classes et l'effet sur l'ala.
Chapitre 5-114
L'approche floue standard met la disposition de l'ingnieur une mthode plus adapte aux
phnomnes naturels et aux paramtres qualitatifs que l'approche par simulation Monte-Carlo.
Cette approche est limite par le choix d'une classe prdfinie pour chaque paramtre.
Autrement dit, si le phnomne naturel stale entre deux classes, nous ne pouvons pas utiliser
cette approche.
Le dcoupage en portions par intersection nous a permis d'viter le problme de perte
d'information qui rsulte dune dfuzzyfication. Par contre, ce dcoupage en portions est limit
la validit de l'hypothse que la surface d'une sensibilit obtenue est gale la surface d'une
classe prdfinie. Si la surface d'un phnomne est diffrente, nous ne pouvons pas effectuer
ce dcoupage, et nous serons obligs d'appliquer la dfuzzyfication avec sa perte
d'information. La figure 5.22. illustre cet inconvnient.
Chapitre 5-115
er
eme
eme
.
eme
Dans l'hypothse ou la
surface du cas est
gale la surface d'un
cas spcifique, nous
pouvons dcouper
cette surface en
portions par
intersection
.
Trs Favorable
.
Favorable
Dfavorable
Trs dfavorable
er
eme
eme
eme
Par contre, si la
surface du cas est
diffrente. Nous
sommes obligs de
passer par la
dfuzzyfication.
Chapitre 5-116
Figure 5.23. La reprsentation des paramtres par des nombres flous proposs par l'intervenant.
Le calcul de la sensibilit peut tre facilit par l'utilisation des -coupes, et tout type
dopration est envisageable avec cette mthode (addition, log, exponentielle, etc.,). Pour
avoir une bonne prcision sur les rsultats, il est ncessaire de travailler avec suffisamment d
-coupes
flous proposs.
Dans loutil que nous avons ralis, lutilisateur peut choisir le nombre d' -coupes qui lui
convient (qui est de 201 par dfaut). videmment, plus leur nombre est grand, plus les calculs
peuvent tre longs.
Ds que l'on utilise des nombres flous dfinis par lutilisateur et non ceux qui sont prdfinis,
le problme du raisonnement apparat. Si nous suivons la dmarche classique de
dfuzzyfication, on assiste une perte importante d'information.
Pour rsoudre ce problme et viter cette perte d'informations, nous proposons une autre
solution base sur un concept nouveau que nous nous proposons dappeler le raisonnement
par -coupes.
Chapitre 5-117
Chapitre 5-118
et un autre sous ensemble B = {x, mB(x)}, peut tre dfinie comme un sous ensemble
avec double apparition dans les deux sous ensembles A et B selon la formule suivante :
R=
AXB
[( x , y ), m R ( x , y )]
[29]
O m R ( x , y ) = m A ( x ) m B ( y ) = min[ m A ( x ) , m B ( y )]
Pour expliquer l'application de cette mthode, Nguyen [85-3] a donn un exemple
d'application simple, que nous montrerons avec quelques explications.
Si deux ensembles flous A et B sont dfinis par :
A = Fracturation = {2/0.1 | 4/0.3 | 6/0.5 | 8/0.7 | 10/1}
[30]
[31]
Le taux d'apparition dans un sous ensemble flou qui est dfini par une relation floue R = A x B
est :
m R ( x1 , y 1 ) = m R ( 2 ,6 ) =
[32]
m R ( x 1 , y 2 ) = m R ( 2 ,7 ) =
[33]
Ainsi, une relation floue fracturation ET humidit peut tre prsente par :
2
4
6
8
10
6
0.1
0.3
0.4
0.4
0.4
7
0.1
0.3
0.5
0.6
0.6
Y
8
0.1
0.3
0.5
0.7
1.0
9
0.1
0.3
0.5
0.7
0.7
10
0.1
0.3
0.5
0.6
0.6
[34]
Chapitre 5-119
Si, dans un cas typique, nous avons trouv que l'humidit est dfinie par :
H = A' = {2/0 | 4/0.2 | 6/0.7 | 8/0.9 | 10/0.9}
[35]
0.1
0.3
0.4
0.4
0.4
0.1
0.3
0.5
0.6
0.6
0.1
0.3
0.5
0.7
1.0
0.1
0.3
0.5
0.7
0.7
0.1
0.3
0.5
0.6
0.6
[36]
[37]
m fracturation (y=1)
[38]
m fracturation (y)
[39]
Chapitre 5-120
[40]
.
Trs Favorable
Favorable
Dfavorable
Trs dfavorable
Ngligeable
Ngligeable
.
Faible
Faible
Moyenne
.
Forte
Moyen
Fort
Chapitre 5-121
Tout d'abord, pour faire des calculs numriques sur les paramtres lmentaires dfinis par
l'intervenant, nous utilisons le principe des -coupes qui va nous permettre de construire un
nombre flou reprsentant la sensibilit du site tudi. En ce qui concerne les paramtres
lmentaires d'activit et d'intensit, nous avons dfini une base de rgles quatre entres
pour l'activit et une autre base deux entres pour l'intensit. Le tableau 5.4. montre
une partie d'une base des rgles trois entres pour l'activit en omettant l'atteinte sur
l'infrastructure. Chaque rgle dans le tableau est traduite par : Si la classe de fracturation
mcanique est , et la classe des traces morphologiques est , et la classe d'altration du
massif est , alors, la classe d'activit est .
Tableau 5.4. Extrait de la base des rgles pour l'activit avec trois paramtres d'entres. la base
complte pour trois entres comporte 64 rgles
Fracturation mcanique
(classe)
1er
1er
1er
1er
1er
1er
1er
1er
1er
1er
1er
1er
1er
1er
er
1
1er
2e
2e
2e
Altration du massif
(classe)
1er
1er
1er
1er
2e
2e
2e
2e
3e
3e
3e
3e
4e
4e
e
4
4e
1er
1er
1er
Traces Morphologiques
(classe)
1er
2e
3e
4e
1er
2e
3e
4e
1er
2e
3e
4e
1er
2e
e
3
4e
1er
2e
3e
Classe d'activit
obtenue
1er
1er
2e
2e
1er
2e
2e
3e
2e
2e
3e
3e
2e
3e
e
3
4e
1er
2e
2e
Arriv l'tape de croisement entre un nombre flou qui reprsente la sensibilit et un autre
nombre flou qui prsente l'activit du site, nous devons appliquer les rgles de croisement du
tableau 2.5 pour quantifier la probabilit d'occurrence. Cest ce niveau que nous allons
mettre en uvre les coupes.
Chapitre 5-122
favorable,
ainsi
que mcas . Ensuite, nous retenons, pour chaque classe standard et pour chaque coupe, la
plus faible de ces taux de participation. La figure 5.25 illustre cette procdure.
Le raisonnement est ensuite conduit, pour chaque -coupe, en suivant la procdure de
raisonnement du Min-Max. La figure 5.26 illustre un exemple de sensibilit et activit que
nous allons valuer avec les rgles du tableau 2.5.
Nous montrons ensuite une comparaison entre le raisonnement avec -coupes et le
raisonnement classique par dfuzzyfication par le centre de gravit.
.
er
eme
eme
eme
1 2 3 4
Coupe
1er
2e
3e
4e
cas
0
0
0
0
.
.
.
.
0
1
0.9
0.75
0.40
.
.
.
.
0
0
0.1
0.25
0.60
.
.
.
.
0.8
0
0
0
0
.
.
.
.
0.2
0
0.3
0.6
0.88
.
.
.
.
0
2
3
4
.
.
.
.
n
n
retenir
Chapitre 5-123
Figure 5.26. La sensibilit gauche et l'activit droite d'un cas d'analyse. Sensibilit = {45/0 |
51/1 | 59/1 | 90/0}, Activit = {13/0 | 26/1 | 32/1 | 47/0}.
Le dcoupage en -coupes pour la sensibilit et l'activit est illustr par les tableaux 5.5 et 5.6
respectivement. On notera que nous nous sommes ici limits 11 coupes.
X
45
49.5
54
58.5
63
67.5
72
76.5
81
85.5
90
1er
2e
3e
4e
cas
0
0
0
0
0
0
0
0
0
0
0
0.75
0.53
0.3
0.08
0
0
0
0
0
0
0
0.25
0.48
0.7
0.93
1
0.88
0.65
0.43
0.2
0
0
0
0
0
0
0
0.13
0.35
0.58
0.8
1
1
0
0.64
1
0.98
0.84
0.71
0.56
0.42
0.28
0.14
0
retenir
Chapitre 5-124
X
13
16.4
19.8
23.2
26.6
30
33.4
36.8
40.2
43.6
47
1er
2e
3e
4e
cas
1
0.93
0.76
0.59
0.42
0.25
0.08
0
0
0
0
0
0.07
0.24
0.41
0.58
0.75
0.92
1
0.99
0.82
0.65
0
0
0
0
0
0
0
0
0.01
0.18
0.35
0
0
0
0
0
0
0
0
0
0
0
0
0.28
0.57
0.85
1
1
0.97
0.73
0.49
0.24
0
retenir
Tableau 5.7. L'application de la mthode de Min-Max sur les 16 rgles du tableau 2.5
Coupe
er
Rgles de croisement
6
7e
8e
9e 10e 11e 12e
Probabilit d'occurrence obtenue
13e
14e
15e
16e
Quatrime
(Forte)
Quatrime
(Forte)
Troisime
(moyenne)
Troisime
(moyenne)
Quatrime
(Forte)
Quatrime
(Forte)
Troisime
(moyenne)
Deuxime
(Faible)
Quatrime
(Forte)
Quatrime
(Forte)
Deuxime
(Faible)
Deuxime
(Faible)
Quatrime
(Forte)
Troisime
(moyenne)
Deuxime
(Faible)
Premier
(Ngligeable)
1
2
3
4
5
6
7
8
9
10
11
Max
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.2
0.3
0.08
0
0
0
0
0
0
0
0.3
0
0.07
0.24
0.08
0
0
0
0
0
0
0
0.24
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.28
0.57
0.59
0.42
0.25
0.08
0
0
0
0
0.59
0
0
0.07
0
0.24
0
0.41
0
0.58
0
0.71
0
0.56
0
0.42
0
0.2 0.01
0
0
0
0
0.71 0.01
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.13
0.08
0
0
0
0
0.13
0
0
0
0
0
0
0
0
0
0
0.13
0
0.35
0
0.42
0
0.28 0.01
0.14 0.14
0
0
0.42 0.14
0
0
0
0
0
0
0
0
0
0
0
0
Ngligeable
(0)
Faible
(0.59)
Moyenne
(0.71)
Forte
(0.14)
Chapitre 5-125
Centre de gravit de l'activit: 29.5 qui correspond : (mDormant = 0.28, mIn actif ou peu actif =
0.72, mFrais = 0, mActif = 0).
Ngligeable
(0)
Faible
(0.28)
Moyenne
(0.71)
Forte
(0)
Figure 5.28. La probabilit d'occurrence obtenue par raisonnement sur les centres de gravit.
Chapitre 5-126
Chapitre 5-127
.
.
.
.
.
.
.
.
.
.
.
.
Figure 5.29. Les entres de l'analyse (Sensibilit gauche, Activit au milieu, et Intensit droite).
.
.
Ngligeable
(0.3)
Faible
(0.9)
Moyen
(0.475)
Fort
(0)
.
.
Chapitre 5-128
.
.
Ngligeable
(0.4)
Faible
(1)
Moyen
(0.5)
Fort
(0)
.
.
Figure 5.31. Le rsultat de l'ala par l'utilisation de la mthode de raisonnement de Terano et al. [89].
Chapitre 5-129
.
.
Ngligeable
(0.5)
Faible
(0.84)
Moyenne
(0)
Forte
(0)
.
.
.
Ngligeable
(0.62)
Faible
(0.82)
Moyenne
(0)
Forte
(0)
.
.
Chapitre 5-130
Tableau 5.8. Comparaison entre le nombre de -coupes, le temps de calcul et rsultats obtenus.
Temps en seconds
1
4
6
8
11
16
21
31
41
51
101
0.22
0.61
1.37
2.36
4.55
9.99
18.51
40.54
70.47
114.41
452.12
Temps en secondes
Nombre de coupes
On notera dans le tableau prcdent une stabilisation des rsultats partir de 21 -coupes.
Mais il conviendrait dapprofondir ce point pour dterminer le nombre idal de -coupes
employer.
Chapitre 5-131
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
Ce chapitre prsente deux sites tudis du point de vue des alas mouvement de terrain: le
premier est un ouvrage historique souterrain, la tombe de Ramss I situe dans la valle des
rois, en gypte, tandis que le deuxime concerne le site des falaises de Pontoise dj voqu
dans ce mmoire plusieurs reprises.
Chapitre 6-135
Chapitre 6-136
Figure 6.1. Deux photos ariennes prises depuis la navette Challenger qui illustrent la localisation de
Louxor ainsi quun plan succinct de la ville montrant lemplacement de la Valle des Rois.
Chapitre 6-137
Chapitre 6-138
12.8
12000
0.21
Pour la dtermination de lespacement entre fractures, nous avons utilis la mthode du Scan
line survey Priest et al. [81], en travaillant sur les plans de la tombe et les relevs de
fracturation.
Pour dterminer le RQD, nous avons utilis la relation mathmatique propose par Bieniawski
[89] et illustre par la figure 6.3.
La rsistance la compression simple a t tire du tableau 6.1.
Chapitre 6-139
Figure 6.2. Plan et coupe verticale de la tombe de Ramss I avec ses fracturations
100
30
90
25
R.Q.D. Maximum
80
27
70
21
60
50
40
Courbe de
corrlation
16
30
20
8
10
0
10
11
60
R.Q.D. Minimum
200
600
Chapitre 6-140
2000
Ltat des joints et les conditions dhumidit ont t observs sur le site et nous avons retenu
un ajustement de l'orientation des discontinuits correspondant la classe III, ce qui conduit
une correction de -5 sur le RMR obtenu par les autres paramtres.
Ainsi sont rpertoris dans le tableau 6.2 tous les lments qui dterminent le RMR de
chacune des trois zones considres dans la tombe. Dans ce tableau, nous avons donn les
valeurs maximales et les valeurs minimales pour chaque paramtre. Ces valeurs sont issues
des rsultats dobservations ou des donnes bibliographiques et leur variabilit se traduit
globalement par une variabilit de lindice RMR.
Tableau 6.2. Indices RMR pour les diffrentes zones de la tombe de Ramss I.
Zone
I
II
III
PF (m)
0.64 ~ 1.2
0.91 ~ 1.23
1.14 ~ 1.55
Etat des
discontinuits (classe)
2~3
2~3
2~3
Indice
12 ~ 15
14 ~ 15
15
Indice
20 ~ 25
20 ~ 25
20 ~ 25
RQD (%)
96 ~ 100
100
100
Humidit
(classe)
2~3
2~3
2~3
Indice
7 ~ 10
7 ~ 10
7 ~ 10
Indice
19 ~ 20
20
20
Indice
RMR
60 ~ 74
63 ~ 74
74
Rc (MPa)
12.8 ~ 27.4
12.8 ~ 27.4
12.8 ~ 27.4
Indice
2~4
2~4
2~4
Indice RMR
aprs ajustement
55 ~ 69
58 ~ 69
69
Classe
RMR
II ~ III
II ~ III
III
Chapitre 6-141
Chapitre 6-142
Un nombre flou
reprsentant
l'indice du RQD
Le nombre flou
reprsentant le
RQD dune
zone tudie
Figure 6.4. Transformation dun nombre flou qui prsente le RQD en un nombre flou qui prsente
lindice correspondant dans la classification RMR
Chapitre 6-143
.
.
.
.
Chapitre 6-144
L'indice du RMR
Figure 6.6. Les quantits flous utilises pour la dtermination de la sensibilit dans la zone I de la
tombe de Ramses I.
Chapitre 6-145
Figure 6.7. Les indices RMR obtenues dans les zones II et II de la tombe de Ramss I.
Dormante
Inactif ou
peu actif
Chutes de
pierres
Chutes
de blocs
.
Frache
boulements boulements
majeurs
Active
Inactif ou
peu actif
Chutes de
pierres
Chutes
de blocs
.
Frache
boulements boulements
majeurs
Active
Inactif ou
peu actif
Chutes de
pierres
Chutes
de blocs
.
Frache
Active
boulements boulements
majeurs
Chapitre 6-146
Tableau 6.3. La base des rgles pour la dtermination de lala dans la tombe de Ramss I.
Sensibilit Activit
(classe) (classe)
1e
1e
e
1
1e
e
1
1e
e
1
1e
e
1
2e
e
1
2e
e
1
2e
e
1
2e
1e
3e
e
1
3e
e
1
3e
e
1
3e
e
1
4e
e
1
4e
e
1
4e
1e
4e
e
2
1e
e
2
1e
e
2
1e
e
2
1e
e
2
2e
e
2
2e
e
2
2e
e
2
2e
e
2
3e
e
2
3e
e
2
3e
2e
3e
e
2
4e
e
e
2
4
e
e
2
4
e
e
2
4
e
e
3
1
e
3
1e
e
3
1e
e
3
1e
e
3
2e
e
3
2e
3e
2e
e
3
2e
e
3
3e
e
3
3e
e
3
3e
e
3
3e
e
e
3
4
e
3
4e
e
3
4e
e
3
4e
Intensit
(classe)
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
e
2
e
3
e
4
e
1
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
e
1
2e
3e
4e
Classe
d'ala
1e
1e
1e
2e
1e
1e
2e
2e
1e
2e
2e
2e
2e
2e
2e
3e
1e
1e
2e
2e
1e
2e
2e
2e
2e
2e
2e
3e
2e
e
2
e
3
e
3
e
1
2e
2e
2e
2e
2e
2e
3e
2e
2e
3e
3e
e
2
3e
3e
3e
Sensibilit Activit
(classe) (classe)
4e
1e
e
4
1e
e
4
1e
e
4
1e
e
4
2e
e
4
2e
e
4
2e
e
4
2e
4e
3e
e
4
3e
e
4
3e
e
4
3e
e
4
4e
e
4
4e
e
4
4e
4e
4e
e
5
1e
e
5
1e
e
5
1e
e
5
1e
e
5
2e
e
5
2e
e
5
2e
e
5
2e
e
5
3e
e
5
3e
e
5
3e
5e
3e
e
5
4e
e
e
5
4
e
e
5
4
e
e
5
4
Intensit
(classe)
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
2e
3e
4e
1e
e
2
e
3
e
4
Classe
d'ala
2e
2e
2e
3e
2e
2e
3e
3e
2e
3e
3e
3e
3e
3e
3e
4e
2e
2e
3e
3e
2e
3e
3e
3e
3e
3e
3e
4e
3e
e
3
e
4
e
4
Chapitre 6-147
Trs
Favorable
Ngligeable
Faible
Faible
Moyenne
Favorable
Moyen
Dfavorable
Ngligeable
Faible
Moyenne
Forte
Faible
Faible
Forte
Forte
Faible
Moyenne
Forte
Forte
Trs
dfavorable
Moyenne
Moyenne
Forte
Forte
Chapitre 6-148
Ngligeable
Faible
Moyenne
Forte
Ngligeable
Faible
Faible
Moyen
Faible
Faible
Moyen
Moyen
Faible
Moyen
Moyen
Fort
Moyen
Moyen
Fort
Fort
Ala de la zone I
Ngligeable
(1)
Faible
(1)
Moyen
(0)
Fort
(0)
Ala de la zone II
Ngligeable
(1)
Faible
(0.95)
Moyen
(0)
Fort
(0)
Ngligeable
(0.7)
Faible
(1)
Moyen
(0.05)
Fort
(0)
Figure 6.9. L'ala dans les zones I, II et III de la tombe de Ramss I reprsent par des quantits
floues.
Chapitre 6-149
Chapitre 6-150
Chapitre 6-151
Chapitre 6-152
Les sables de Cuise (Yprsien suprieur) qui sont des sables fins essentiellement
quartzeux et glauconieux, sans squence argileuse dans le secteur de Pontoise.
Un facis de calcaire sableux glauconieux verdtre du Luttien infrieur, aux
caractristiques mcaniques plutt mdiocres et de 7 8 m dpaisseur.
Le calcaire grossier du Luttien moyen prsentant une paisseur moyenne d'une douzaine
de mtres, qui a t activement exploit pour la pierre btir sous le territoire de la
commune
Les marnes et caillasses constituant la partie suprieure du Luttien et dune paisseur
moyenne de l'ordre de la dizaine de mtres. Des bancs plus indurs prdominent vers la
base.
Les sables de Beauchamp regroupant l'ensemble des squences sableuses du Bartonien
infrieur.
Chapitre 6-153
vrifi sur site lanalyse et la quantification des donnes ralises par des ingnieurs dans
le cadre du PPR. Cette tape nous a permis de comprendre la faon de quantifier les
paramtres.
requantifi les paramtres sur site en donnant pour chacun, une fourchette de valeurs de
type flou.
calcul lala flou, partir de ces donnes floues en utilisant dune part la mthode
INERIS et dautre part le SMR pour caractriser la sensiblit.
Dans chaque cas, nous avons conserv les rgles de croisement dfinies dans le cadre du PPR
ralis.
Dans le tableau 6.6, nous prsentons les paramtres et les rsultats trouvs par lapproche
INERIS. Nous avons not que, mme dans le cas dune analyse discrte telle que celle de
lINERIS, il arrive que lingnieur ne soit pas capable de donner une valeur unique pour les
proprits ncessaires l'analyse, et quil prfre, dans ce cas, donner directement le numro
de la classe laquelle ces proprits appartiennent. Ce constat montre le besoin d'un type
diffrent d'analyse de celle employe jusqu maintenant, en particulier pour tenir compte de
la variabilit et de l'incertitude sur les paramtres ou leur observation.
Chapitre 6-154
Chapitre 6-155
Chapitre 6-156
Chapitre 6-157
Tableau 6.6. Paramtres et Rsultats d'analyse sur les trois zones de Pontoise selon lapproche
classique de Tritsch et al [96].
Zone
Le Chou
L'hermitage,
Ecole prive
Nom
sur la
carte
A
Hauteur du
front
Sensibilit
Activit
Intensit
Probabilit
d'occurrence
Ala
7m
Dfavorable
Active
Forte
Moyen
5m
Moyenne
Fort
C
D
10 m
12 m
Moyenne
Forte
Moyen
Moyen
3m
Chutes de
blocs
boulements
majeurs
boulements
Chutes de
pierres
Chutes de
pierres
boulements
Chutes de
blocs
Chutes de
blocs
Chutes de
blocs
Chutes de
pierres
Chutes de
pierres
Chutes de
blocs
boulements
Chutes de
pierres
Chutes de
blocs
boulements
Faible
Faible
Forte
Moyenne
Fort
Moyen
Moyenne
Moyen
Faible
Faible
Faible
Faible
Forte
Moyen
Faible
Faible
Faible
Forte
Moyen
Moyen
Faible
Faible
Moyenne
Moyen
B
C
Cot de
Larris
Chapitre 6-158
40
Peu active
< 66
Frache
Dfavorable Peu active
10 ~ 12 m
< 60
Peu active
10 m
< 42
Peu active
10 m
Favorable
Peu active
5m
Favorable
Active
3~6m
Favorable
Peu active
J
K
8m
8m
Favorable
Favorable
Peu active
Frache
7m
Favorable
Peu active
5m
Tableau 6.7. Les paramtres de sensibilit pour une analyse de type flou. (le mot vgtation signifie
que nous ne pouvons pas dcrire le paramtre cause dune vgtation dense, et la flche signifie que
le paramtre est plutt dans la premire classe que la seconde).
PF (classe)
ER (classe)
Humidit
(classe)
Le Chou
Nom
sur la
carte
A
B
C
D
2e
3e
2e
e
e
2 ~3
1e
1e
e
1 ~ 2e
e
1
4e
4e
4e
e
3
1e
1e
1e
e
e
1 ~2
L'Hermitage,
Ecole Prive
A
B
1 ~3
e
e
2 ~3
1 ~3
e
e
2 ~3
2
e
3
1
e
e
1 ~2
3 ~4
e
e
2 ~3
C
D
E
1e ~ 2e
3e
Vgtation
1e ~ 3e
1e ~ 2e
Vgtation
3e
e
2 ~ 3e
2e ~ 3e
1e
1e
Vgtation
4e
4e
Vgtation
1e ~2e
2e ~ 3e
3e
1e
2e ~ 3e
1e ~ 2e
3e ~ 4e
2e
2e
2e ~ 3e
I
J
J bis
K
1e
e
1 ~ 2e
2e
e
2 ~ 3e
2e ~ 3e
3e ~ 4e
1e ~ 3e
1e ~2e
2e
3e
3e
3e
1e ~ 3e
2e ~ 3e
1e
1e
1e
1e
1e
2e
3e
3e
1e
1 ~ 2e
1e ~ 2e
1e ~ 2e
Zone
4e
4e
4e
e
4
La cot de
Larris
L
M
2e
1e
2e ~ 3e
1e ~ 2e
Chapitre 6-159
Tableau 6.8. L'activit et l'intensit des sites de Pontoise exprimes par les classes choisies
Zone
Le Chou
Nom sur la
carte
A
B
C
Activit
(classe)
2e ~ 3e
2e
e
2 ~ 3e
Intensit
(classe)
2e
2e
e
1 ~ 2e
D
A
B
C
D
E
G
H
2e
3e
3e
2e
e
2 ~ 3e
Vgtation
3e
e
2 ~ 3e
1e
1e
2e
1e
1e
Vgtation
2e ~ 3e
1e
I
J
2e ~ 3e
2e ~ 3e
L'Hermitage,
Ecole Prive
La cot de
Larris
1e ~ 2e
1e ~ 2e
J bis
3e
2e ~ 3e
K
L
2e
e
1 ~ 2e
1e
1e
2e
1e ~ 2e
Chapitre 6-160
Tableau 6.9. Les rsultats du calcul de sensibilit dans les trois zones de Pontoise (les quatre nombres
donnent les limites (x1, x2, x3, x4) d'un nombre flou de type trapzo dal avec les participations
suivantes : {x1/0 | x2/1 | x3/1 | x4/0}).
Zone
Le Chou
La cot de Larris
x1
25.5
35.5
25.5
23
9.5
16
17
30.5
x2
39.5
49.5
39.5
37
15.5
34
23
44.5
x3
50.5
60.5
55.5
54.5
64.5
59.5
57
62
x4
64.5
74.5
69.5
70.5
80.5
79.5
73
78
10
20
50
16
28
57
4.5 10.5 32.5
13.5 21.5 52
10
20
40
19
33
50
13
27
45
4
6
27.5
70
73
52.5
68
60
70
65
47.5
Figure 6.15. La sensibilit dans la zone J ( gauche) et de la zone M ( droite) de la cot de Larris.
Chapitre 6-161
La qualification de l'activit et de l'intensit est aussi conduite d'une faon floue et par
l'utilisation des rgles de croisement donnes par l'INERIS. Le tableau 6.10. prsente la
sensibilit, lactivit et lintensit des diffrentes zones tudies sous forme de nombres flous
et le tableau 6.11. prsente l'ala obtenu dans ces zones. La figure 6.16 prsente la sensibilit,
l'activit, l'intensit, et l'ala dans la zone L de la cot de Larris, et la figure 6.17 prsente
lala sur diffrentes zones des falaises de Pontoise.
Tableau 6.10. Sensibilit, activit, et intensit des zones de Pontoise exprimes par des nombres flous
Zone
Nom sur
Sensibilit
la carte
X1, X2, X3, X4
Le Chou
A
25.5, 39.5, 50.5, 64.5
B
35.5, 49.5, 60.5, 74.5
C
25.5, 39.5, 55.5, 69.5
D
23, 37, 54.5, 70.5
L'Hermitage, cole prive
A
9.5, 15.5, 64.5, 80.5
B
16, 34, 59.5, 79.5
C
17, 23, 57, 73
D
30.5, 44.5, 62, 78
E
La cot de Larris
G
10, 20, 50, 70
H
16, 28, 57, 73
I
4.5, 10.5, 32.5, 52.5
J
13.5, 21.5, 52, 68
J bis
10, 20, 40, 60
K
19, 33, 50, 70
L
13, 27, 45, 65
M
4, 6, 27.5, 47.5
Activit
X1, X2, X3, X4
15, 35, 65, 85
15, 35, 40, 60
15, 35, 65, 85
15, 35, 40, 60
40, 60, 65, 85
40, 60, 65, 85
15, 35, 40, 60
15, 35, 65, 85
0, 0, 30, 50
40, 60, 65, 85
15, 35, 55, 75
15, 35, 65, 85
25, 45, 65, 85
40, 60, 65, 85
15, 35, 40, 60
10, 10, 40, 60
15, 35, 40, 60
Intensit
X1, X2, X3, X4
15, 35, 40, 60
15, 35, 40, 60
0, 0, 30, 50
0, 0, 15, 35
0, 0, 15,35
15, 35, 40, 60
0, 0, 40, 60
0, 0, 40, 60
0, 0, 15, 35
15, 35, 65, 85
0, 0, 15, 35
0, 0, 40, 60
0, 0, 30, 50
15, 35, 55, 75
0, 0, 15, 35
0, 0, 15, 35
10, 10, 40, 60
Tableau 6.11. L'ala des zones de Pontoise obtenu par calcul et raisonnement flou en utilisant les
paramtres de l'INERIS.
Zone
Le Chou
La cot de Larris
Chapitre 6-162
.
.
.
.
.
Sensibilit
.
.
Activit
.
.
Intensit
Fort, m = 0.0
Moyen, m = 0.47
Faible, m = 0.88
Ngligeable, m = 0.58
Ala
Figure 6.16. Sensibilit, activit, intensit et l'ala de la zone L value par la mthode floue. Le
rsultat obtenu par la mthode discrte de lINERIS est Faible.
Chapitre 6-163
mFort = 0
mMoyen = 0.48
mFaible = 0.9
mNgligeable = 0.29
mFort = 0
mMoyen = 0.525
mFaible = 1
mNgligeable = 0.38
mFort = 0.4
mFaible = 0.76
mMoyen = 0.89
mNgligeable = 0
mFort = 0.45
mMoyen = 0.9
mFaible = 0.45
mNgligeable = 0
mFort = 0
mMoyen = 0.48
mFaible = 0.9
mNgligeable = 0.225
mFort = 0.45
mMoyen = 0.9
mFaible = 0.64
mNgligeable = 0
Figure 6.17. Exemples d'ala quantifis par la mthode floue sur diffrentes zones des falaises de
Pontoise
Chapitre 6-164
Chapitre 6-165
Paramtre F3
Paramtre F4
Figure 6.18. Reprsentation floue des classes des paramtres F1, F2, F3, F4 du SMR.
Chapitre 6-166
Trs favorable
Favorable
Moyen
Dfavorable
Trs Dfavorable
Trs Dfavorable
Dfavorable
Moyen
Favorable
Trs favorable
Paramtre F2
Trs Dfavorable
Paramtre F1
Dfavorable
.
.
Moyen
Favorable
Trs favorable
Trs Dfavorable
Dfavorable
Moyen
Favorable
Trs favorable
Aprs intervention sur site, nous avons dtermin les valeurs des paramtres permettant le
calcul de la sensibilit. Le tableau 6.12 donne ces valeurs dans les trois zones tudies. Le Rc
a t estim d'aprs la bibliographie avec des valeurs souvent utilises pour ce type de massif
calcaire, Goodman [89]. Tous les autres paramtres ont t caractriss sur le site. Pour le
raisonnement, nous avons t obligs de construire une base de rgles comportant 5 classes de
sensibilit (selon le SMR), 4 classes d'activit (selon la mthode INERIS), et 4 classes
d'intensit (selon la mthode INERIS ). Cette base de rgles est donne dans le tableau 6.13.
Le tableau 6.14. montre les rsultats obtenus pour la sensibilit des sites selon le SMR et le
tableau 6.15. prsente les alas obtenus. La figure 6.19 prsente la sensibilit, l'activit,
l'intensit et l'ala dans la zone L de la cot de Larris, et la figure 6.20 prsente des exemples
d'ala obtenus dans diffrentes zones du site des falaises de Pontoise.
Chapitre 6-167
ableau 6.12. Expression des paramtres du SMR utilises pour la dtermination de la sensibilit.
Zone
Le Chou
Nom sur
la carte
A
B
Rc
(classe)
e
e
1 ~3
e
e
1 ~3
RQD
(classe)
e
3
e
2
PF
(classe)
e
3
e
2
1 ~3
1 ~3
1 ~3
1 ~3
1e ~ 3e
2e ~ 3e
2e ~ 3e
D
E
1e ~ 3e
1e ~ 3e
4e
G
H
I
J
1e ~ 3e
1e ~ 3e
1e ~ 3e
1e ~ 3e
J bis
K
1e ~ 3e
1e ~ 3e
L
M
1e ~ 3e
1e ~ 3e
Humidit
(classe)
e
1
e
1
F1
(classe)
e
5
e
5
F2
(classe)
e
1
e
1
F3
(classe)
e
e
2 ~3
e
e
2 ~3
2 ~3
3 ~5
2 ~3
4 ~5
4 ~5
2e ~ 4e
2e
4e
Vgtation
2e ~ 3e
2e ~ 3e
2e ~ 3e
4e ~5e
4e ~ 5e
4e
e
4 ~ 5e
4e ~5e
4e ~ 5e
4e
e
4 ~ 5e
3e ~ 4e
2e ~ 3e
3e ~ 4e
3e
4e
e
2 ~ 3e
4e
e
2 ~ 3e
3e ~ 4e
2e ~ 3e
3e
5e
3e
5e
3e
e
3 ~ 4e
2 ~3
2 ~3
3 ~4
5e
2 ~3
3 ~5
3 ~5
2 ~3
2 ~3
2 ~3
F4
(classe)
e
2
e
2
1e
2e ~ 3e
1e
5e
Vgtation
1e
2e ~ 3e
1e
2e
3e
3e
2e
5e
4e
e
3 ~ 5e
3e ~ 4e
1e
1e
1e
1e
3e
2 ~ 3e
3e ~ 4e
3e ~ 4e
1e
1e
1e
1e
2e
2e
5e
5e
1e
1e
2e
2e
5e
e
4 ~ 5e
1e
1e
La cot de Larris
Chapitre 6-168
4e
2 ~ 3e
e
1e
1e
4e
3 ~ 4e
e
1e
1e
Trs
Favorable
Ngligeable
Faible
Faible
Moyenne
Favorable
Moyen
Dfavorable
Ngligeable
Faible
Moyenne
Forte
Faible
Faible
Forte
Forte
Faible
Moyenne
Forte
Forte
Trs
dfavorable
Moyenne
Moyenne
Forte
Forte
Ngligeable
Faible
Moyenne
Forte
Ngligeable
Faible
Faible
Moyen
Faible
Faible
Moyen
Moyen
Faible
Moyen
Moyen
Fort
Moyen
Moyen
Fort
Fort
La cot de Larris
Nom sur
la carte
A
B
C
D
A
B
C
D
G
H
I
J
J bis
K
L
M
Sensibilit
x1, x2, x3, x4
42.4, 48.8, 76.3, 81.8
45.6, 52.4, 82, 87.8
42.6, 49, 78.9, 85
26, 31, 70.1, 76.5
22.9, 25.2, 65.4, 71.8
34.7, 38.9, 77.5, 84
27.6, 32, 79, 85.8
25.6, 29.8, 61.3, 67.4
18, 20.3, 55.8, 61.6
21.4, 23.5, 57.4, 63.4
19, 22.9, 51.8, 57.6
24.4, 26.4, 55.7, 61.2
20.8, 24.8, 52.8, 56.6
35.2, 39.5, 79, 85.8
32.6, 32.7, 56.4, 60.2
17.6, 19.5, 46.5, 51.9
La cot de Larris
Chapitre 6-169
.
.
.
.
.
.
Sensibilit
.
.
Activit
.
.
Intensit
Fort, m = 0.0
Moyen, m = 0.4
Faible, m = 0.82
Ngligeable, m = 0.23
Ala
Figure 6.19. La sensibilit, l'activit, l'intensit, et l'ala de la zone L value par la mthode floue et
par l'utilisation du SMR comme un moyen de quantification de la sensibilit. l'ala de faon discrte
a t qualifi comme Faible.
Chapitre 6-170
mFort = 0.45
mMoyen = 0.77
mFaible = 0.44
mNgligeable = 0
mFort = 0.46
mMoyen = 0.85
mFaible = 0.3
mNgligeable = 0
mFort = 0.4
mMoyen = 0.64
mFaible = 0.85
mNgligeable = 0.35
mFort = 0.45
mMoyen = 0.97
mFaible = 0.68
mNgligeable = 0
mFort = 0
mMoyen = 0.38
mFaible = 0.7
mNgligeable = 0.225
mFort = 0.28
mMoyen = 0.9
mFaible = 0.92
mNgligeable = 0.45
Figure 6.20. Alas dtermins par la mthode floue (avec utilisation du SMR pour caractriser la
sensibilit) sur diffrentes zones du site des falaises de Pontoise
Chapitre 6-171
Ala avec
le SMR
Tableau 6.16. Les coefficients de corrlation entre les alas produits avec la formule de sensibilit
INERIS, et le SMR.
Chapitre 6-172
Ngligeable
Faible
Moye
Fort
Fort
0.992
.
.
.
.
.
.
.
.
.
.
.
.
Figure 6.21.Les nuages des points des corrlations pour les quatre classes d'ala.
Chapitre 6-173
Chapitre 6-174
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
CONCLUSION GNRALE
Conclusion gnrale
Conclusion gnrale
Page 177
Conclusion gnrale
Dans les trois premiers chapitres de ce mmoire, nous avons montr les limites et les
dsavantages des mthodes utilises actuellement pour lvaluation de lala mouvement de
terrain des ouvrages en gotechnique.
En premier lieu, nous avons dress un panorama des mthodes utilises et avons dgag une
mthode de raisonnement qui nous a paru reprsentative de lensemble des travaux publis et
bien adapte lvaluation de lala mouvement de terrain. Cette mthode procde en trois
tapes : dtermination de la sensibilit et de lactivit dun site partir de paramtres mesurs
ou relevs sur le site et dtermination de lintensit de lvnement redout ; croisement de
lintensit et de lactivit pour dterminer la probabilit doccurrence de lvnement
redout ; croisement de la probabilit doccurrence et de lintensit qui donne lala. Les
croisements sont raliss sur la base de rgles dfinies par un groupe dexpert.
Cette mthodologie d'analyse a nanmoins des limites ou prsente quelques inconvnients que
nous avons souligns. Nous avons particulirement relev le problme de la variabilit des
donnes puis le problme pratique li lutilisation de classes de valeurs (problme dit des
limites de classes).
Nous avons ensuite tent dapporter des rponses ces problmes en explorant tout dabord
les mthodes de simulation. Mais cest en mettant en uvre des outils de la logique floue que
nous avons pu apporter une solution globale aux questions souleves et proposer une
mthodologie qui sen imprgne.
Nous avons, en particulier, dvelopp le concept de -coupes qui permet de conduire un
raisonnement complet sans perte dinformation significative. Nous avons expos sa mise en
uvre dans le cas de lvaluation de lala mouvement de terrain et montr ses avantages par
rapport aux mthodes de raisonnement existantes qui conduisent une perte dinformation
certaines tapes. Ainsi, les calculs flous que nous avons montrs (et programms dans
lenvironnement Mathematica) sont mens par le biais des -coupes et les raisonnements
(croisement de deux grandeurs pour en fournir une troisime) sont conduits par le biais de coupes. Nous pensons, ce sujet, que le concept de -coupes dpasse bien entendu
lutilisation que nous en avons faite dans ce mmoire. Elle constitue une mthode gnrale
pouvant tre employe dans toutes mthodes de raisonnement utilisant la logique floue.
Page 178
Conclusion gnrale
Finalement, au cours de notre travail mathmatique, nous avons dvelopp des outils
informatiques avec Excel et Mathematica capables d'aider la dcision d'experts et bases
sur les concepts dvelopps.
Nous avons propos une mthodologie standard d'valuation de lala mouvement de terrain
des sites gotechniques, qui utilise la logique floue pour les calculs et les raisonnements. Cette
mthode peut constituer un appui significatif un travail dingnieur sur le terrain. Elle lui
permettra notamment de traduire la variabilit pressentie des paramtres ou les incertitudes de
ses choix et lui fournira des lments de rponse qui en tiennent compte.
Nous en avons fait la dmonstration sur deux exemples principaux : les falaises de Pontoise
en rgion parisienne ; et la tombe de Ramss I en gypte.
Quelques perspectives ce travail peuvent tre envisages. Il en est ainsi de ladaptation des
standards actuels tels que RMR ou SMR lvaluation de la sensibilit dun site. Des
amliorations ou simplifications sont possibles et des mthodes dacquisition de donnes
peuvent tre proposes et il serait intressant de revenir sur lchelle utilise pour dterminer
ces ratios et linfluence de cette chelle sur les rsultats dune valuation dala.
Par ailleurs, il nous parat important de poursuivre le dveloppement du concept de -coupes,
en particulier, dun point de vue plus thorique afin den mesurer la potentialit.
Nous essayerons dappliquer la mthodologie dveloppe au cours de ce travail de thse
dautres sites que ceux mentionns dans le mmoire, et notamment aux autres tombes de la
valle des rois en gypte. Dans le domaine des monuments historiques, les mthodes
dvaluation dala pourraient certainement apporter une autre vision des problmes et de
lurgence de leur traitement.
A plus long terme, les solutions et mthodes proposes dans ce travail pourraient tre
intgres dans un systme dinformation gographique et il serait intressant, ce sujet, de
rflchir la faon de reprsenter sur des cartes, les alas flous que le SIG pourrait se charger
de dterminer automatiquement .
Page 179
Conclusion gnrale
Page 180
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
RFRENCES
Rfrences
Rfrences
BARTON, N. [1974]. Engineering classification of rock masses for design of tunnel support. Rock
mechanics, vol. 6, no. 4
BELLMAN, R.E., ZADEH, L.A. [1970]. Decision Making in a Fuzzy Environment. Management
Science. Vol. 17, pp. B141-B164.
BIENIAWSKI, Z. [1973]. Engineering classification of jointed rock masses. Transaction of South
African institute of civil engineering Vol. 15, pp. 335-344.
BIENIAWSKI, Z. [1989]. Engineering rock mass classifications. John Wiley and sons.
BIENIAWSKI, Z.T. [1979]. The geomechanics classification in rock engineering applications. 4th
International congress on rock mechanics, ISRM Montreux. Balkema. pp. 41-48.
BONISSONE, P.P. [1982] A fuzzy sets based linguistic approach : theory and applications.
Approximate reasoning in decision analysis. North-Holland publishing company, pp. 329-339.
BOUCHON-MEUNIER, B. [1993]. La logique floue, Edition Que sais-je?, Presses universitaire de
France.
BOUCHON-MEUNIER, B. [1995]. La logique floue et ses applications. Editions Addison-Wesley
France, SA.
BROWN, C.B. [1979]. A Fuzzy Safety Measure. Journal of Engineering Mechanical Division
American Society Civil Engineering. pp. 855-872.
BUDETTA, P., CALCATERRA, D., SANTO, A., [1994]. Engineering-geological zoning of
potentially unstable rock slopes in Sorrentine Peninsula (Southern Italy) . 7th International IAEG
congress.
BURROUGH, PA., MACMILLAN, R.A., VANDEURSEN, W. [1992]. Fuzzy classification methods
for determining land suitablity from soil profile observation and topography. Journal of soil
science. Vol. 43, pp. 193-210.
CHANG, S.S.L. [1969]. Fuzzy Dynamic Programming and Decision Making Process. Proceeding
of 3rd Princton Conference on Information Sciences and Systems. pp. 200-203.
CHUANG, P.H. [1995]. Use of fuzzy sets for evaluating shear strength of soils. Computers and
geotechnics. Vol. 17, pp. 425-446.
COGGAN, J., WETHERELT, A., SHAIL, R. [1997]. Use of rock mass classification in tunneling
projects within the south west region of the United Kingdom. Proceeding of Tunneling under
difficult conditions and rock mass classification, Basel, Switzerland, pp. 33-43.
COX, E. [1994]. The fuzzy systems handbook. Academic press.
DAWS, G. [1997]. The role of rock mass classification systems in the design and operation of room
and pillar mining system. Proceeding of Tunneling under difficult conditions and rock mass
classification, Basel, Switzerland, pp. 17-31.
DEER, D., MILLER, R. [1966]. Engineering classification and index properties of intact rock. Air
force laboratory technical report no. AFNL-TR-65-116, Albuquerque, NM.
Page 183
Rfrences
DOSS, A. [1992]. An Expert System for Seismic Risk Assessement. PhD, Faculty of Engineering,
Cairo University.
DUBOIS, D., PRADE, H. [1980]. Fuzzy sets and systems : Theory and application. Academic
press.
DUTTA, S. [1993]. Fuzzy Logic Applications: Technological and Strategic Issues. IEEE
Transaction on Engineering Management. Vol. 40, pp. 237-254.
ELLISON, R. D. [1978]. Underground Mine Hazard Analysis Techniques. Proceeding of 1st.
International Symposium on Stability in Coal Mining. pp. 299-318.
EVRARD, H. [1987]. Risques Lis aux carrires souterraines abandonnes de Normandie. Bul.
Liaison Labo. P. et Ch.. Vol. , pp. 96-108.
EVRARD, H. [1995]. Rapport finale sur l'analyse de stabilit dans la tombe de Ramses II, Vallee des
Rois, Egypte. Mission L.C.P.C. 1995. Laboratoire centrale des Ponts et Chausses.
FAIRHURST, C., LIN, D. [1985]. Fuzzy methodology in tunnel support design. Research and
Engineering Application in rock mass. pp. 269-278.
FARES, A., ROLLET, M., BROQUET, P. [1994]. Mthodologie de la cartographie des risques
naturels lis aux mouvements de terrain. Revue Franais gotechnique. Vol. 69, pp. 63-72.
FUKAGAWA, R., MURO, T., HOZUMI, K, MATSUIKE, T. [1996]. Estimation of ground
properties based on a fuzzy reasoning method during vertical hole excavation. Journal
Mathematical Analysis and Applications. Vol. 33, pp. 103-112.
GOODMAN, R. [1989]. Introduction to rock mechanics. John Wiley & sons.
GUPTA, M., SARIDIS, G. [1977]. Fuzzy Automata and Decision Processes.
HAMMAH, R.E., CURRAN, J.H. [1998]. Optimal delination of joint sets using a fuzzy clustering
algorithm. Int. J. of Rock Mech. & Min. Sci. Vol. 35, No. 4-5.
HELAL, H., ABDALLAH, T, BAROUDI, H. [1991]. Behaviour of ancient cavities in discontinuous
media : the baboon tomb case study, Saqqarah. Intenational symposium on static and dynamic
considerations in rock engineering. Roya Swazi SPA Swaziland.
HUDSON, J. A. [1992]. Rock Engineering Systems : Theory and Practice.
HUDSON, J.A., DE PUY, M.A. [1990]. Rock characterization according to Engineering objectives.
Proceeding of 3rd conference on rock mechanics & engineering 26-29 Nov. 1990.
HUDSON, J.A., HARRISON, J.P. [1990]. A new approach for studying complete rock engineering
problem. Quarterly Journal of Engineering Geology. Vol. 25, pp. 93-105.
HUDSON, J.A., SHENG, J., ARNOLD, P.N. [1992]. Rock engineering risk assessement through
critical mechanisms and parameter evaluation. Proceeding of 6th. Australia-Newzealand
conference on geomech. pp. 442-447.
International Society for Rock Mechanics [1981]. Basic geotechnical description of rock masses.
International journal of rock mechanics and mining sciences, vol. 18, pp. 85-110.
JIAO, Y., HUDSON, J.A. [1995]. The fully-coupled model for rock engineering systems.
International journal of rock mechanics, mining sciences and geomechanics abstracts. Vol. 32, pp.
491-512.
JUANG, C. H., HUANG, X. H., ELTON, D. J. [1991]. Fuzzy Information Processing by the MonteCarlo Simulation Techniques. Civil Engineering Systems. Vol. 8, pp. 19-25.
Page 184
Rfrences
JUANG, C.H., HUANG, X.H. [1992]. Modelling and Analysis of Non-Random Uncertainties, Fuzzy
Set Approach. International journal for numerical and analytical methods in geomechanics. Vol.
16, pp. 335-350.
JUANG, C.H., LEE, D.H. [1992]. Mapping Slope Failure Potential Using Fuzzy Sets. Journal of
Geotechnical Engineering. pp. 475-494.
KACEWICZ [1987]. Fuzzy slope stability method. Mathematical Geology. Vol. 19, pp. 757-767.
KANDEL, A. [1986]. Fuzzy Mathematics Techniques with Applications. Addison-Wesley.
KAWAKAMI, H., SAITO, Y. [1984]. Landslide Risk Mapping by a Quantification Method.
Proceeding of 4th. International Symposium on Landslides. Vol. 2, pp. 535-540.
LAUBSCHER, D. [1977]. Geomechanical classification of jointed rock masses - mining
applications Transaction of the institute of mining and metallurgy, vol. 86, pp. A1-A7.
LAUFFER, H. [1958]. Gebirgsklassifizierung fr den Stollenbau Geol. Bauwesen, Vol. 74, pp. 4651.
LEROY, A. SIGNORET, J.P. [1992]. Le risque technologique, Edition Que sais-je?, Presses
universitaire de France.
LOUIS, C. [1974]. Reconnaissance des massifs rocheux par sondages et classifications
gotechniques des roches. Ann. Inst. Tech. Paris, no. 108, pp. 97-122.
MADHU, S., JUANG, C. H., CHEN, J. W., LEE, D. H. [1995]. A knowledge based approach to rock
mass classification and tunnel support system. Civil Engineering Systems. Vol. 12, pp. 307-325.
MARTIN, P. [1976]. Essai sur la gotechnique. Edition Masson, Paris.
MAZZOCCOLA, DF., HUDSON, J. A. [1996]. A comprehensive method fr rock mass
characterization for indicating natural slope instability. Quarterly Journal of Engineering Geology.
Vol. 29, pp. 37-56.
McKMILAN, P., MATHESON, G. D. [1997]. A two stage system for highway rock slope risk
assessement. International journal of rock mechanics, mining sciences and geomechanics
abstracts. Vol. 34.
McNEILL, F.M., THRO, E. [1994]. Fuzzy logic : A practical approach. Academic press.
MEHROTRA, G.S., SARKAR, S., KANUNGO, D.P., HARAGOPAL, M. [1995]. Slope stability
assessement using slope mass rating technique. Rock mechanics and rock engineering. Vol. , pp.
91-96.
MILLIES-LACROIX, A. [1981]. Classification des talus et versant instables. Bul. Liaison Labo. P.
et Ch. pp. 55-62.
NATHANAIL, C. P., HUDSON, J. A. [1992]. Stability hazard indicator system for slope failure in
heterogenous strata. EUROCK 92 Symposium, Chester UK. Thomas Telford Ltd.. Vol. , pp. 111116.
NGUYEN, V.U. [1985]. Overall Evaluation of Geotechnical hazard Based on Fuzzy Set Theory.
Soils and Foundations. Vol. 25, pp. 8-18.
NGUYEN, V.U. [1985]. Some Fuzzy Set Applications in Mining Geomechanics. International
journal of rock mechanics, mining sciences and geomechanics abstracts. Vol. 22, pp. 369-379.
NGUYEN, V.U. [1985]. Tender Evaluation of Fuzzy Sets. ACSE, Journal Engineering
Construction and Management. Vol. 111, pp. 231-243.
Page 185
Rfrences
NGUYEN, V.U., SHWORTH, E.A. [1985]. Rock Mass Classification by Fuzzy Sets. 26th US
Symposium on Rock Mechanics. pp. 937-945.
ORR, C.M., [1992]. Assessement of rock slope stability using the Rock Mass Rating (RMR)
system . The Australian IMM proceedings. No. 2.
PING, L., HUDSON, J.A. [1993]. A Fuzzy Evaluation Approach to the Stability of Underground
Excavations. Eurock. pp. 615-623.
PRIEST, S.D., HUDSON, J.A. [1981]. Estimation of discontinuity spacing and trace length using
scanline surveys. International journal of rock mechanics, mining sciences and geomechanics
abstracts. Vol. 18, pp. 183-197.
RAO, S.V., PARSAD, J. [1982]. Definition of kriging in terms of fuzzy logic. Mathematical
Geology. Vol. 14, pp. 37-42.
REZIG, S., FAVRE, J., LEROI, E. [1997]. The probabilistic evaluation of the risk ground
movement. ESREL 97, European Society for Safety and RELiability. pp. 1543-1550.
ROMANA, M. [1991]. SMR Classification. 7th International congress rock mechanics. Vol. , pp.
955-960.
ROMANA, M. [1997]. The geomechanical classification SMR for slope correction. Proceeding of
Tunneling under difficult conditions and rock mass classification, Basel, Switzerland, pp. 1-16.
SAKURA, S., SHIMIZU, N. [1987]. Assessement of rock slope stability by fuzzy set theory. ISRM.
pp. 503-506.
SUI, DZ. [1992]. A Fuzzy GIS modeling approach for urban land evaluation. Computers,
environment and urban systems. Vol. 16, pp. 101-115.
TERANO, T., ASAI, K., SUGENO, M. [1989]. Applied Fuzzy Systems. AP Professional, 955
Massachusetts Avenue, Cambredge, MA 02139.
TERZAGHI, K. [1946]. Rock defects and loads on tunnel support. Rock tunneling with steel
supports, ed. R. V. Procter and T. White, Commercial sharing co., Youngstown, OH, pp. 15-99.
TRITSCH, J.J., DIDIER, C. [1996]. Mthodologie pour la connaissance et l'identification des risques
de mouvements de terrain. Rapport finale de projet de recherche, INERIS, France.
VALLIAPPAN, S., PHAM, TD. [1993]. Fuzzy finite element analysis of a foundation on an elastic
soil medium. International journal for numerical and analytical methods in geomechanics. Vol.
17, pp. 771-789.
WANG, G.Y., OU, JP. [1987]. Fuzzy random models of future earthquake ground motion. 3rd.
International conference on soil dynamics and earthquake engineering, Southampton. pp. 361-371.
WEE, W.G. [1967]. On Generalization of Adaptive Algorithms and Application of the Fuzzy Sets
Concept to Pattern Classification. Technical Report, Purdue Univ.
WENXIU, LI. [1987]. Fuzzy probability analysis for displacement of rock mass. Science sinica.
series B. Vol. 30, pp. 1109-1120.
Wickham, G., Tiedemann, H., Skinner, E. [1972]. Support determination based on geologic
predictions. Proceeding of rapid excavation and tunneling conference, AIME, New York, pp. 4364.
YAO, J., FURUTA, H. [1986]. Probabilistic Treatment of Fuzzy Events in Civil Engineering.
Journal Probabilistic Engineering Mechanics. Vol. 1, pp. 58-64.
Page 186
Rfrences
YOUNG, D.S. [1993]. Probabilistic slope analysis for structural failure. International journal of
rock mechanics, mining sciences and geomechanics abstracts. Vol. 30, pp. 1623-1629.
ZADEH, L.A. [1965]. Fuzzy Sets. Information and Control. Vol. 8, pp. 338-353.
ZADEH, L.A. [1968]. Fuzzy Algorithms. Information and Control. Vol. 12, pp. 94-102.
ZADEH, L.A. [1968]. Probability Measures of Fuzzy Events. Journal Mathematical Analysis and
Applications. Vol. 10, pp. 421-427.
ZADEH, L.A. [1975]. The Concept of a Linguistic Variable and Its Application to Approximate
Reasoning. Information Science. pp. 199-249.
ZADEH, L.A. [1978]. Fuzzy Sets as a Basis for Theory of Possibility. International Journal Fuzzy
Sets and Systems. Vol. 1, pp. 3-28.
ZADEH, L.A., FU, K.S., TANAKA, K., SHIMURA, M. [1975]. Fuzzy sets and their applications to
cognitive and decision process. Academic press.
ZETTLER, A., POISEL, R. LAKOVITS, D., KASTNER, W. [1998]. Control system for tunnel
boring machines (TBM) : A first investigation towards a hyprid control system. Int. J. of Rock
Mech. & Min. Sci. Vol. 35, No. 4-5.
ZHU, A.X., BAND, L.E. [1996]. Automated soil inference under fuzzy logic. Geological
modelling. Vol. 90, pp. 123-145.
Page 187
Apport de la logique floue lvaluation de lala mouvement de terrain des sites gotechniques :
propositions pour une mthodologie gnrale
BIBLIOGRAPHIES
Bibliographies
Bibliographies
ABOUSLEIMAN, Y., BAI, M., ZHANG, H., EKOBTE, S., LIU, T., ROEGIERS, J.C. [1998]. ASRS
- A unified approach in reservoir mechanics. Int. J. of Rock Mech. & Min. Sci. Vol. 35, No. 4-5.
AFROUZ, A.A. [1992]. Practical Handbook of Rock Mass Classification Systems and Modes of
Ground Failure. Boca Raton Press.
ANDERSON, C., LOYNES, R. [1987]. The Tecahing of Practical Statistics.
ANDERSON, J. [1997]. World wide research points to the need for new approaches to control
tunneling risks. Proceeding Tunneling under difficult conditions and rock mass classification. pp.
87-95.
AZZON, A., BARBERA, L.A. [1995]. Analysis and prediction of rockfalls using mathematical
model. International journal of rock mechanics, mining sciences and geomechanics abstracts. Vol.
32, pp. 709-724.
BANDOPADHYAY, S., SUNDARARAJAN, A. [1987]. Simulation of a Longwall Development
Extraction Network. CIM Bulletin. Vol. 80, pp. 62-70.
BAROUDI, H. [1986]. Classification des massifs rocheux pour le choix de soutnement.
Laboratoire de mcanique des terrains, CERCHAR, France.
BEER, G., MEEK, J. [1982]. Design curves for roofs and hanging walls in bedded rock based on
voussoir beam and plate solutions. IMM transactions. Vol. A91, pp. 18-22.
BELSITO, S., BANERJEE, S. [1997]. Artificial Neural networks for leak detection in pipelines.
ESREL 97, European Society for Safety and RELiability. pp. 733-741.
BERNSTEIN, G., CARLSON, E., FELDER, R., BOKENY, R. [1993]. A simulation-based decision
support system for a Pharmacuticals manufacturing plant. Process Safety Progress. Vol. 12, pp.
71-75.
BISCHOFF, K., BRETSCHNEIDER, M. [1997]. The limited applicability of fuzzy set theory to fault
tree analysis - negative probabilities and other anomalies. ESREL 97, European Society for Safety
and RELiability. pp. 2423-2430.
BLAYO, F., VERLEYSEN, M. [1996]. Les reseaux de neurones artificiels, Que sais-je?. Press
Universitaire de France.
BLOCKLEY, D.A. [1982]. Fuzzy Systems in Civil Engineering. Approximate Reasonning and
Decision Analysis. pp. 103-115.
BRISBOIS, J. [1990]. Mthodes d'Evaluation Quantitative des Risques Dus Aux Centrales
Nuclaires. Journees Scientifiques et Prix UAP.
BRISBOIS, J., LANORE, J. M. [1990]. Les Etudes Probabilistes de Scurit des Centrales Nuclaires
Francaises de 900 et 1300 MW. RGN. pp. 522-535.
BURNS, W. J., SLOVIC, P., KASPERSON, R., KASPERSON, J. [1993]. Incorporating structural
Models into Research on the Social Amplification of Risk : Implications for Theory Construction
and decision Making. Risk Analysis. Vol. 13, pp. 611-623.
BURROUGH, PA. [1989]. Fuzzy mathematical methods for soil survey and land evaluation.
Journal of soil science. Vol. 40, pp. 477-492.
Page 191
Bibliographies
CARLIER, J., CHETIENNE, P. [1982]. Un Domain Trs Ouvert: Les Problmes d'Ordonancement.
Operations Research. Vol. 16, pp. 175-217.
CASCIATI, F., FARAVELLI, L., YAO, T. [1995]. The Tuning of Fuzzy Controllers for Active
Structural Control. Application of Statistics and Probabilitty ICASP 7. Vol. 2, pp. 741-745.
CELEDA, B., GONZALEZ, A. [1997]. Rock mass characterisation of the weak zones at the perthus
tunnel. Proceeding Tunneling under difficult conditions and rock mass classification. pp. 75-86.
CHAN, S.Y.J. [1993]. An Alternative Approach to the Modeling of Probability Distributions. Risk
Analysis. Vol. 13, pp. 97-102.
CHANDA, E.C.K. [1990]. An Application of Integer Programming and Simulation to Production
Planning for a Stratiform Ore Body. Mining Science and Technology. Vol. 11, pp. 165-172.
CHANG, C.L. [1968]. Fuzzy Topological Spaces. Journal Mathematical Analysis and Applications.
Vol. 24, pp. 182-190.
CHILES, J.P. [1988]. Fractals and geostatistical methods for modeling of a fracture network.
Mathematical Geology. Vol. 20, pp. 631-654.
CHOWDHURY, R.N. [1986]. Geomechanics Risk Model for Multible Failures Along Rock
Discontinuities. International journal of rock mechanics, mining sciences and geomechanics
abstracts. Vol. 23, pp. 337-346.
CHOWDHURY, R.N., AUST, F.I., ZHANG, S., LI, J. [1992]. Geotechnical risk and the uses of grey
extrapolation technique. Proceeding of 6th. Australia-Newzealand conference on geomech. pp.
432-435.
CLAY, R., TAKACS, A. [1997]. Anticipating the unexpected - flood, fire overbreak, inrush,
collapse. Proceeding Tunneling under difficult conditions and rock mass classification. pp. 223242.
COMOTTI, D., DI GIULIO, A., GHISLINI, T., SINISI, M. [1997]. Fault tree analysis with fuzzy
failure rates. ESREL 97, European Society for Safety and RELiability. pp. 2415-2420.
CORNELL, M.E. [1983]. Acceptable Decision Processes and Acceptable Risks in Public Sector
Regulations. IEEE Transaction on Systems, Man, and Cybernetics. Vol. SMC-13, pp. 113-124.
CORNELL, M.E. [1984]. Fault Trees vs. event Trees in Reliability Analysis. Risk Analysis.
CORNELL, M.E. [1985]. Fire Risks in Oil Refineries : Economic Analysis of Camera Monitoring.
Risk Analysis. Vol. 5, pp. 277-288.
CORNELL, M.E. [1986]. Probability and Uncertainty in Nuclear Safety Decisions. Nuclear
Engineering and Design. pp. 319-327.
CORNELL, M.E. [1986]. Warning Systems in Risk Management. Risk Analysis. Vol. 6, pp. 223234.
CORNELL, M.E. [1989]. Organizational Control of System reliability - A Probabilistic Approach
with Application to the Design of Offshore Platforms. Control - Theory and Advanced
Technology. Vol. 5, pp. 549-568.
CORNELL, M.E. [1990]. Organizational Aspects of Engineering System Safety : The Case of
Offshore Platforms. Science. Vol. 250, pp. 1210-1217. .
CORNELL, M.E. [1993]. Learning from Piper Alpha Accident : A Postmortem Analysis of
Technical and Organizational Factors. Risk Analysis. Vol. 13, pp. 215-232.
Page 192
Bibliographies
CORNELL, M.E., BEA, R.G. [1992]. Management Errors and System Reliability : A Probabilistic
Approach and Application to Offshore Platforms. Risk Analysis. Vol. 12, pp. 1-18.
CORNELL, M.E., BOYKIN, R. [1987]. Probabilistic Risk Analysis and Safety Regulation in the
Chemical Industry. Journal of Hazardous Materials. Vol. 15, pp. 97-122.
COX, D.C., FREEMAN, L.C.G. [1990]. Managing the Development of a New Mine Project.
IMinE. Vol. , pp. 277-283.
DUNHAM, R. K., LLOYD, P. W., REDDISH, D. J., WHITTLES, D. N. [1997]. The application of
rock mass classification principles to coal mine design. 5th. International Conference on Mining,
Petroleum, and Metallurgical. Vol. 2, pp. 9-19.
ELLENBERGER, J.L. [1981]. Hazard prediction model Development : The Multiple Overlay
Technique. SME-AIME Annual Meeting.
EL-SHAYEB, Y. [1998]. Analyse des risques en gotechnique : Approches par simulation et par
logique floue , XVIeme Rencontres Universitaires de Gnie Civil, Prix Jeunes chercheurs. Reims
- France. 28 ~ 29 Avril 1998.
EL-SHAYEB, Y., VERDEL, T. [1998]. Geotechnical risk analysis in historical sites : Application at
the valley of the kings, Egypt , 8 Congress of the International Association for Engineering
Geology and the Environment, Vancouver, Canada. 21 ~ 25 Sept. 1998.
EL-SHAYEB, Y., VERDEL, T. [1998]. L'incertitude dans la gotechnique : comment la surmonter ?
Application l'analyse des risques , Sminaire annuel de l'cole doctorale PROMEMA. Nancy France. 18 ~ 19 Mai 1998.
EL-SHAYEB, Y., VERDEL, T. [1998]. Overcoming uncertainties in geotechnical risk analysis : the
discrete, simulation, and fuzzy logic approaches , Computer simulation in risk analysis and hazard
mitigation (Risk Analysis 98), Valencia, Spain. 6 ~ 8 Oct. 1998.
EL-SHAYEB, Y., VERDEL, T., DIDIER, C. [1997]. Computer simulation and risk analysis around
unstable cliffs. Application to a French case. ESREL 97, European Society for Safety and
RELiability. Vol. 2, pp. 1171-1179.
EL-SHAYEB, Y., VERDEL, T., DIDIER, C. [1997]. Fuzzy reasoning for the analysis of risks in
geotechnical engineering. Application to a French case. IDEA 97, Intelligent Design in
Engineering Applications.Aachen - Germany. 11 September 1997. pp. 101-105
EL-SHAYEB, Y., VERDEL, T., EL-WAGEEH, M. [1997]. Simulation as a tool to overcome
uncertainties in the development cycle of driving a roadway : case study at the Anna mine,
France. 5th. International Conference on Mining, Petroleum, and Metallurgical Engineering,
MPM 97, Suez - Egypt. 24 ~ 26 February 1997.
EL-WAGEEH, M., KAREEM, M. A. [1978]. A computerized method for solving mine ventilation
networks. 2nd. Metallurgical Conference in A.R.E. Vol. 1.
ESTERHUIZEN, G.S., ACKERMANN, K.A. [1998]. Stochastic keyblock analysis for stope support
design. Int. J. of Rock Mech. & Min. Sci. Vol. 35, No. 4-5.
EVANS, N. [1986]. Computer Applications in Mine Planning and Design. Mining Science and
Technology. Vol. 3, pp. 167-172.
FENG, X.T., WEBBER, S.J., OZBAY, M.U. [1997]. Applicability of artificial intelligence
techniques for assessing rockburst risks in deep gold mines. 1st. South African rock engineering
symposium. pp. 190-196.
GARIN, H. [1994]. AMDEC/AMDE l'essentiel de la Methode.
Page 193
Bibliographies
Page 194
Bibliographies
KARA-ZAITRI, C., FLEMING, P. [1997]. Application of fuzzy inference methods to failure modes
effects and criticality analysis (FMECA). ESREL 97, European Society for Safety and
RELiability. pp. 2403-2414.
KARLAFRIS, A. [1997]. A neural network approach to rock mass classification. Proceeding
Tunneling under difficult conditions and rock mass classification. pp. 45-55.
KERVREN, G., RUBISE, P. [1991]. l'Archipel du Danger.
KHEDER, K. [1996]. Methodologie d'Etudes de la Stabilit des Carrieres Souterraines Complexes
Exploites par Chambres et Pilliers Abandonnes. PhD Ecole des Mines de Nancy, INPL.
KIJKO, A. [1994]. The Assessement of Seismic Hazards in Mines. The Journal of South African
Institute of Mining and Metallurgy.
KLETZ, T. [1986]. HAZOP & HAZAN, notes on the Identification and Assessement of Hazards.
KOSMOWSKI, K.T. [1997]. An approach to the human reliability assessement in the context of the
probabilistic safety analysis of complex plants. ESREL 97, European Society for Safety and
RELiability. Vol. , pp. 155-165.
LAGADEC, P. [1994]. Apprendre a gere les crises, Societe vulnerable - acteurs responsables.
LAGADEC, P. [1995]. Cellules de Crise, Les conditions d'une conduite efficase.
LAUBSCHER, D.H. [1975]. Class distinction in rock mass. Coal, Gold and base minerals of
Southern Africa. pp. 37-50.
LEE, I., LEE, M. [1998]. Optimization of rock slopes using reliability concepts. Int. J. of Rock
Mech. & Min. Sci. Vol. 35, No. 4-5.
LEONELLI, P., BONVICINI, S., SPADONI, G. [1997]. Quantified risk analysis in transport of
dangerous substances : a comparison between pipelines and roads. ESREL 97, European Society
for Safety and RELiability. pp. 725-732.
LEUNG, C.F., KHEOK, S.C. [1987]. Computer aided analysis of rock slope stability. Rock
mechanics and rock engineering. pp. 111-122.
LIENDORFER, G. B. [1970]. Bounding Distributions for a Stochastic Acyclic Network. Operations
Research. pp. 1586-1601.
LONDICHE, H. [1991]. Securit et Fiabilit Industrielles.
LOOK, B. [1994]. SpreadSheet Geomechanics.
LUSTEVES, P., LATHAM, J. [1994]. A continuous quantitative coding approach to the interaction
matrix in rock engineering systems based on grey systems approach. Interantional congress,
International association of engineering geology. Vol. 6, pp. 4761-4770.
MAHMOUD, Y. S. [1994]. Longwall Production Planning Scheduling Using Network Technique.
3rd. International Conference on Mining, Petroleum, and Metallurgical.
MANI, M. S., GEHRING, H., VOGT, W. [1985]. Time Scheduling of Equipping and
Commissioning of Neyveli II Legnite mine With the Aid of Network Planning Technique. Journal
of Mines, Metals & Fuels. pp. 195-216.
McCRACKEN, A., STRACEY, T. R. [1989]. Geotechnical Risk Assessement for Large Diameter
Raise-Bored Shafts. Shafts Engineering Conference. pp. 309-316.
MILLAR, D., JIAO, Y. [1994]. A rock engineering systems approach to risk assessement.
Proceeding of IMM conference risk in Materials extraction industry.
Page 195
Bibliographies
Page 196
Bibliographies
STACEY, T. PAGE, C. [1986]. Practical Handbook for Underground Rock Mechanics. Trans tech
publications.
STEMPFEL, B., SCHAEREN, G. [1997]. The control of a major geological accident in a gallery.
Proceeding Tunneling under difficult conditions and rock mass classification. pp. 153-159.
TAKACS, A., CLAY, R. [1997]. Rock mass classification practical application under site
conditions. Proceeding Tunneling under difficult conditions and rock mass classification. pp. 5773.
TAPIA, M.A., VALVERDE, M.A., AMADEI, B., MADRIGAL, H. [1998]. The REX expert system
: A new alternative for rock excavation design. Int. J. of Rock Mech. & Min. Sci. Vol. 35, No. 45.
TSIAMBAOS, G., TELLI, D. [1991]. Application of rock mass classification systems on stability of
limestone slopes. Landslides. pp. 1065-1069.
VALLIAPPAN, S., PHAM, TD. [1995]. Fuzzy logic applied to numerical modelling of engineering
problems. Computational geomechanics advances.. Vol. 2, pp. 213-281.
VERDEL, T. [1993]. Gotechnique et Monuments historiques : Mthodes de modlisation
appliques des cas gyptiens. Thse de doctorat INPL, Nancy, France.
VERDEL, T. [1997]. L'essentiel de Mathematica. RITME informatique.
VERDEL, T., PIGUET, J.P., HELAL, H., ABDALLAH, T. [1993]. tude de l'videmment du Ixe
pylone de temple de Karnak par la mthode des elements distincts - recherche d'une
mthodologie. Revue Franais gotechnique. pp. 57-66.
VERVOORT, A., DE WIT, K. [1997]. Use of rock mass classifications fro dredging. International
journal of rock mechanics, mining sciences and geomechanics abstracts. Vol. 34, pp. 859-864.
WANG, J., SAEED, A., DE LEMOS, R. [1997]. Subjective safety analysis for software
development. ESREL 97, European Society for Safety and RELiability. Vol. , pp. 389-396.
WEINSTEIN, N., SANDMAN, P. [1993]. Some Criteria for Evaluating Risk Messages. Risk
Analysis. Vol. 13, pp. 103-114.
WRIGHT, E. [1990]. Open Pit Mine Design Models.
XU, B.C., DUSSEAULT, M.B., CHI, Y.L. [1998]. Geophysical methods and GIS for waste disposal
assessement and environmental monitoring. Int. J. of Rock Mech. & Min. Sci. Vol. 35, No. 4-5.
ZHAO, G., LI, Y. [1995]. Application of Fuzzy Random Probability Theory to Structural
Reliability. Application of Statistics and Probabilitty ICASP 7. Vol. 2, pp. 753-755.
Page 197