Browsing by Author "Messast, Salah"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Amélioration de la stabilité des sols en conditions dynamiques par renforcement par des inclusions verticales
    (Université 20Aout 1955-Skikda, 2023-10) BOUABDALLA, Faris; Messast, Salah
    La technique d'amélioration des sols compressibles par des inclusions rigides (RI) a été largement investiguée. Les ouvrages bâtis sur les sols compressible renforcé par les inclusions rigides peuvent être impactés par différents types de charges, à savoir, le vent, les vagues, le séisme, les effets cycliques induits par la circulation de véhicules, …, etc. Plusieurs études numériques et expérimentales ont été effectuées pour étudier le comportement de ce type de sol, la majorité de ces études portaient principalement sur le comportement des sols compressibles renforcés par des inclusions rigides et soumis à des charges statiques telle que le remblai autoroutier, structures et surcharge. Par contre peu de recherches se sont intéressées à la réponse des sols renforcés par inclusions rigides sous chargements complexes et cycliques. Le but principal de cette thèse est d'étudier la réponse dynamique d’un sol compressible renforcé par des inclusions rigides. La modélisation numérique a été effectuée en utilisant la méthode de différence finies implémentée dans le logiciel Flac 2D version 8.10. Pour prendre en compte le comportement non linéaire du sol durant la sollicitation sismique un modèle non linéaire UBCHYST a été utilisé. L'effet de certains paramètres liés à la configuration et aux dimensions des inclusions rigides ont été également mis en évidence. Les résultats numériques obtenus ont permis de mettre en relief le comportement de sol compressible renforcé par inclusions rigides en termes de déformations et contraintes de cisaillement, tassement, accélérations et déplacement horizontaux. L'efficacité de la technique de renforcement par inclusions rigides a été mise en évidence en comparant la réponse dynamique d’un remblai autoroutier construit sur sol renforcé et non renforcé. Les résultats numériques obtenus indiquent que la technique d'amélioration du sol par inclusions rigides est une solution appropriée et alternative prometteuse pour renforcé les sols compressibles
  • Thumbnail Image
    Item
    Analyse des mouvements gravitaires par les méthodes d'apprentissage automatique. Cartographie géotechnique de Skikda
    (2025-05-15) Mebirouk. Nadjib; Messast, Salah
    Les glissements de terrain représentent l'un des phénomènes naturels les plus destructeurs à l'échelle mondiale, entraînant des pertes humaines et des dégâts matériels significatifs. Dans la wilaya de Skikda, au nord-est de l'Algérie, ces phénomènes sont amplifiés par des facteurs géoenvironnementaux complexes, causant des pertes économiques importantes. Dans ce contexte, la cartographie de la susceptibilité aux glissements de terrain constitue une solution essentielle pour prévenir et gérer efficacement ce risque. Cette thèse porte sur l’application de techniques avancées d’apprentissage automatique et profond pour la cartographie de la susceptibilité aux glissements de terrain dans deux zones d’étude situées dans la région de Skikda. Il s’agit, d’une part, des principales voies de communication (routes nationales, autoroutes, contournements et voies ferrées), et d’autre part, du bassin versant de l’Oued Guebli, qui couvre environ un quart de la superficie totale de la région. Cinq modèles d'apprentissage automatique : Support Vector Machine (SVM), Logistic Regression (LR), Gradient Boosting Classifier (GBC), Light Gradient Boosting Machine (LGBM) et Extreme Gradient Boosting (XGBoost), ainsi qu'un modèle d'apprentissage profond ont été appliqués à ces zones, avec une validation rigoureuse basée sur des métriques de performances internes (exactitude, RMSE) et externes (AUC-ROC, validation spatiale). Une attention particulière a été portée à l’approche innovante de Neural Architecture Search (NAS) intégrée au modèle NAS-DL. Cette méthode, qui optimise automatiquement les architectures des réseaux de neurones, a permis de surmonter les limitations courantes des modèles d'apprentissage profond, notamment le temps de calcul élevé et les performances parfois insuffisantes liées à une architecture mal adaptée. Grâce à NAS, le modèle NAS-DL a démontré des performances remarquables, avec une exactitude de 99,40 %, un RMSE de 0.0772, et une valeur AUC-ROC de 0.998, établissant ainsi un nouveau standard en termes de précision. Par ailleurs, les autres modèles testés, notamment SVM, LR, DL, XGBoost, LGBM et GBC, ont également affiché d’excellentes performances. Les facteurs de prédisposition, tels que la pente, l'exposition, la lithologie, le type de sol, l'altitude et la proximité aux routes, aux cours d’eau et aux failles, ont été analysés pour élaborer une base de données solide. Ces facteurs ont été sélectionnés sur la base de tests statistiques établissant des relations entre les facteurs de causalité et les glissements de terrain inventoriés. Les résultats de cette thèse démontrent que les techniques d’apprentissage automatique et profond permettent une modélisation efficace des risques de glissements de terrain, aboutissant à la production de cartes de susceptibilité précises. Ces outils constituent un appui essentiel pour une gestion proactive des risques, afin de mieux protéger les infrastructures et la population. Par ailleurs, ces approches sont transférables à d’autres régions vulnérables et offrent un cadre méthodologique prometteur pour la prévention des risques géologiqu