Evaluation de la capacité portante des fondations superficielles reposant sur un sol en pente

Abstract

The bearing capacity of shallow foundations located near soil slopes is a central issue in geotechnical engineering, particularly in the presence of complex loading conditions and seismic hazards. This thesis is structured around three different research areas focusing on strip footings adjacent to embankments. The first area addresses the undrained bearing capacity of strip footings resting on two-layer embankments under inclined loading. Using the finite element limit analysis (FELA) method and the OptumG2 software, a comprehensive parametric study was conducted by varying the main geotechnical and geometric parameters: the interlayer shear strength ratio cu1/cu2, the load inclination angle α, the top layer thickness ratio D/B, the normalized setback distance b/B, and the normalized shear strength cu1/γB. The results enabled the development of practical design charts and the identification of associated failure mechanisms, validated by comparison with published literature data with a maximum relative error of 1.19%. The second focus is on evaluating the seismic bearing capacity of strip footings placed near slopes in cohesive-frictional (c-φ) soil, using the finite difference method (FLAC2D) under a pseudo-static approach. A database of 1620 numerical simulations was generated by exploring six dimensionless parameters: H/B, b/B, c/γB, β, φ, and kh. The results were synthesized into graphs directly usable by practitioners and successfully validated against reference work. In particular, it was established that Qu/γB increases with c/γB, b/B, and φ, and decreases with kh and the slope angle β. The third research area proposes a hybrid digital-machine learning framework for the rapid and accurate prediction of the normalized seismic bearing capacity coefficient. Four algorithms were developed, trained, and compared: Extreme Gradient Boosting (XGBoost), deep neural networks (DNN), random forests (RF), and k-nearest neighbors (KNN). The evaluation was performed using eight statistical performance indicators. The XGBoost algorithm demonstrated superior accuracy and reliability with R² = 0.9874 during testing. Analysis of SHAP values ​​revealed that the internal friction angle φ, the slope angle β, and the seismic coefficient kh are the most influential variables on the seismic bearing capacity. --------------------------------------------------------------------------- تُعدّ قدرة تحمل الأساسات الضحلة الواقعة بالقرب من المنحدرات الترابية مسألةً محوريةً في الهندسة الجيوتقنية، لا سيما في ظل ظروف التحميل المعقدة والمخاطر الزلزالية. تتمحور هذه الأطروحة حول ثلاثة مجالات بحثية مختلف، تركز على الأساسات الشريطية المجاورة للسدود الترابية. يتناول المجال الأول قدرة تحمل الأساسات الشريطية غير المُصرّفة، والمستندة على سدود ترابية ثنائية الطبقات تحت تأثير أحمال مائلة. باستخدام طريقة تحليل العناصر المحدودة (FELA) وبرنامج OptumG2، أُجريت دراسة بارامترية شاملة بتغيير المعايير الجيوتقنية والهندسية الرئيسية: نسبة مقاومة القص بين الطبقات cu1/cu2، وزاوية ميل الحمل α، ونسبة سُمك الطبقة العلوية D/B، ومسافة التراجع المعيارية b/B، ومقاومة القص المعيارية cu1/γB. مكّنت النتائج من تطوير مخططات تصميم عملية وتحديد آليات الانهيار المرتبطة بها، والتي تم التحقق من صحتها بالمقارنة مع بيانات منشورة في الأدبيات العلمية، حيث بلغ الحد الأقصى للخطأ النسبي 1.19%. يركز البحث الثاني على تقييم قدرة تحمل الأساسات الشريطية الزلزالية الموضوعة بالقرب من المنحدرات في التربة المتماسكة الاحتكاكية (c-φ)، باستخدام طريقة الفروق المحدودة (FLAC2D) ضمن منهجية شبه ثابتة. وقد تم إنشاء قاعدة بيانات تضم 1620 محاكاة عددية من خلال دراسة ستة معايير لا بُعدية: H/B، b/B، c/γB، β، φ، وkh. وتم تجميع النتائج في رسوم بيانية قابلة للاستخدام مباشرة من قبل المختصين، وتم التحقق من صحتها بنجاح بالرجوع إلى المراجع. وعلى وجه الخصوص، تبين أن Qu/γB يزداد مع c/γB وb/B وφ، وينخفض ​​مع kh وزاوية الميل β. أما مجال البحث الثالث فيقترح إطار عمل هجين يجمع بين التعلم الرقمي والآلي للتنبؤ السريع والدقيق بمعامل قدرة التحمل الزلزالية المعياري. تم تطوير أربع خوارزميات وتدريبها ومقارنتها: خوارزمية تعزيز التدرج المتطرف (XGBoost)، والشبكات العصبية العميقة (DNN)، والغابات العشوائية (RF)، وخوارزمية أقرب الجيران (KNN). أُجري التقييم باستخدام ثمانية مؤشرات أداء إحصائية. أظهرت خوارزمية XGBoost دقة وموثوقية فائقتين، حيث بلغت قيمة معامل التحديد (R²) 0.9874 خلال الاختبار. وكشف تحليل قيم SHAP أن زاوية الاحتكاك الداخلي (φ)، وزاوية الميل (β)، ومعامل الزلزال (kh) هي المتغيرات الأكثر تأثيرًا على قدرة تحمل التربة الزلزالية. ------------------------------------------------------------------------------ La capacité portante des fondations superficielles situées à proximité de pentes de sol constitue une problématique centrale en ingénierie géotechnique, notamment en présence de conditions de chargement complexes et d'aléas sismiques. Cette thèse s'articule autour de trois axes de recherche différents portant sur les semelles filantes adjacentes à des talus. Le premier axe traite de la capacité portante non drainée de semelles filantes reposant sur des talus bi-couches sous chargement incliné. En s'appuyant sur la méthode d'analyse limite par éléments finis (FELA) et le logiciel OptumG2, une étude paramétrique complète a été menée en faisant varier les principaux paramètres géotechniques et géométriques : le rapport de résistance au cisaillement intercouche cu1/cu2, l'angle d'inclinaison de la charge α, le rapport d'épaisseur de la couche supérieure D/B, la distance de recul normalisée b/B et la résistance au cisaillement normalisée cu1/γB. Les résultats ont permis d'établir des abaques de dimensionnement pratiques et d'identifier les mécanismes de rupture associés, validés par comparaison avec les données publiées dans la littérature avec une erreur relative maximale de 1.19%. Le deuxième axe est consacré à l'évaluation de la capacité portante sismique de semelles filantes placées près de talus en sol cohésif-frictionnel (c-φ), à l'aide de la méthode des différences finies (FLAC2D) sous approche pseudo-statique. Une base de données de 1 620 simulations numériques a été générée en explorant six paramètres adimensionnels : H/B, b/B, c/γB, β, φ et kh. Les résultats ont été synthétisés sous forme de graphiques directement exploitables par les praticiens, et validés avec succès par rapport aux travaux de référence. Il a notamment été établi que Qu/γB augmente avec c/γB, b/B et φ, et diminue avec kh et l'angle de pente β. Le troisième axe propose un cadre hybride numérique–apprentissage automatique pour la prédiction rapide et précise du coefficient de capacité portante sismique normalisé. Quatre algorithmes ont été développés, entraînés et comparés : Extreme Gradient Boosting (XGBoost), réseau de neurones profond (DNN), forêts aléatoires (RF) et k-plus proches voisins (KNN). L'évaluation a été réalisée à l'aide de huit indicateurs statistiques de performance. L'algorithme XGBoost a démontré une précision et une fiabilité supérieures avec R2=0.9874 en phase de test. L'analyse des valeurs SHAP a révélé que l'angle de frottement interne φ, l'angle de pente β et le coefficient sismique kh sont les variables les plus influentes sur la capacité portante sismique.