| Abstract | Levees are earthen structures which, along with other hydraulic and geotechnical structures, are part of larger networks designed primarily for flood protection. Extreme floods are rare events which may pass unnoticed if all goes well, or may cause disastrous consequences if any part of the flood protection system fails. Considering the high variability of geotechnical materials, it is advised that usage of full probabilistic analyses is employed, which imply being able to define a probabilistic distribution of the materials’ parameters of interest and calculating the failure in terms of probabilities. Often, geotechnical engineers have to work with a very limited scope of investigation works, which makes it hard to define the parameters probabilistically. This thesis
investigates several methodologies which are applicable for the assessment of the stability of river levees with regards to the various failure mechanisms which may occur during high-water events, with the purpose of creating fragility curves and generalizing the levees behaviour in response to such events. The tools used for the analyses presented here are complex numerical analyses, coupled with statistical, probabilistic and machine learning techniques for creating predictive models and fragility curves, as well as to understand the behaviour of levees exposed to various loading situations. This thesis is presented as a compilation of this thesis’ author’s research papers published in scientific journals. The cumulative results of the thesis aim to improve levee management with regards to predicting failure and early warnings to potential failure. This is achieved through the generalization of the levees composed of highly different cross sections found throughout a whole area of interest, and predicting their behaviour based on the most important input parameters. It is found that out of over a hundred parameters required to uniquely define any complex levee section as realistically as possible with numerical models, only about a third are the ones governing their behaviour regarding several failure mechanisms. These are the parameters which would need to be collected into a database for the considered levees in the specified area, such that the predictive models can be readily employed for prediction and early warning. The models focus on unreinforced levees. However, levees reinforced with geogrids have also been considered separately and the relative contributions of various soil and reinforcement factors are identified, which is a step towards their efficient inclusion in new predictive models. |
| Abstract (croatian) | Brane, nasipi, akumulacije i prirodne retencije, zidovi i mnoge ostale građevine dio su kompleksnih sustava za upravljanje poplavnim događajima. Statistički podaci pokazuju da je velik dio svjetske populacije pod utjecajem razornih poplava, i/ili su zaštićeni dijelom sustava obrane od poplava. Iz tog razloga ulaže se velik trud na svjetskoj razini za poboljšanjem postojećih i gradnjom novih pouzdanih komponenata sustava, ocjenom stanja i sigurnosti postojecih građevina te unaprjeđenjem strategija upravljanja sustavima obrane od poplava. Fokus ovog rada nalazi se u zemljanim građevinama sustava, a najviše u nasipima za obranu od poplava za koje postoje procjene ukupnih duljina u Europi i SAD-u od nekoliko stotina tisuća kilometara, iako sistematizirane baze podataka ne postoje te su podaci cesto manjkavi ili nepostojeći. Nasipi su od davnina građeni na naplavnim ravnima velikih rijeka s primarnom funkcijom obrane od poplava, no druge strateške funkcije su takoder bile od značaja. Danas nasipi zadržavaju primarnu funkciju obrane od poplava, uz dodatak raznih drugih sporednih funkcija u skladu s našim vremenom. S obzirom na svoju starost, često nasipi imaju kompleksnu povijest izgradnje, odnosno nadogradnje, često uz dodatna ojačanja prirodnim i sintetičkim materijalima, zbog ućestalih povećanja intenziteta poplavnih događaja, kao i strožih kriterija sigurnosti. Nasipi novijeg doba sagrađeni su od nekoliko komponenti koje imaju svoje uloge u zadovoljenju jednog ili više kriterija otpornosti nasipa na visoke vode, u smislu vanjske otpornosti, stabilnosti, nepropusnosti, drenaže i filtracije. Ekstremne poplave su rijetki događaji koji mogu praktički neprimjetno proći, ili ostaviti katastrofalne posljedice u slučaju da bilo koji dio sustava obrane od poplava popusti/otkaže. Zbog velike inherentne varijabilnosti tala, kako temeljnih tala tako i onih od kojih su izgrađeni nasipi, često se preporuča upotreba probabilističkih metoda za provođenje odgovarajućih analiza. Iako se ukupna nesigurnost najčešće pridružuje inherentnoj varijabilnosti, ona može poteći od drugih uzroka kao što su gradnja, životinjske nastambe, degradacija materijala, itd. Probabilističke analize impliciraju mogućnost definiranja svih relevantnih parametara pomoću distribucija (raspodjela) vjerojatnosti, a rezultate proračuna otpornosti u obliku vjerojatnosti otkazivanja. Uz navedene izvore nesigurnosti, cesto se u praksi geotehničari susreću s vrlo malim opsegom istražnih radova, više ili manje kvalitetnih, što otežava pouzdano definiranje distribucija vjerojatnosti. Osim toga, za pouzdano upravljanje nasipima potrebno je provoditi mjerenja (monitoring) nad njima. Dobar sustav monitoringa ima funkciju detektiranja neželjenog ponašanja nasipa dovoljno rano kako bi se spriječile moguće katastrofalne posljedice brzim reakcijama. Ideja instrumentacije nasipa koji daljinski, automatski i u realnom vremenu dostavljaju mjerene podatke često se naziva “pametnim nasipima”, koji trebaju biti dio većeg “pametnog” sustava obrane od poplava.
U ovoj disertaciji istraženo je nekoliko metodologija primjenjivih za ocjenu stabilnosti riječnih nasipa, s obzirom na različite mehanizme sloma do kojih može doći tijekom visokih voda, s ciljem izrade krivulja vjerojatnosti oštećenja (ili otkazivanja) i generalizaciju ponašanja nasipa kao odgovora na takve dogadaje. Korišteni alati su kompleksne numeričke metode, zajedno sa statističkim i probabilističkim metodama, i metodama strojnog učenja, za izradu prediktivnih modela i krivulja vjerojatnosti oštećenja, kao i unaprjeđenja našeg razumijevanja ponašanja nasipa izloženih raznim uvjetima opterećenja. Krivulje vjerojatnosti oštećenja/otkazivanja prikazuju ovisnost uvjetne vjerojatnosti da će promatrani sustav ili građevina doseći neko granično stanje nosivosti ili uporabivosti u odnosu na intenzitet promatranog dogadaja (u ovom slučaju poplava). Ovakve krivulje u primjeni su od 80-ih godina prošlog stoljeca za različite vrste građevina i razne događaje. S druge strane, metode strojnog učenja za izradu ovih krivulja, i konkretno u primjeni nasipa za obranu od poplava, nešto su noviji pristup koji se danas u sve većoj primjeni u odnosu na ostale analitičke i numeričke metode koje se za isto mogu primijeniti.
Ovaj rad prezentiran je kao kompilacija autorovih clanaka objavljenih u znanstvenim časopisima. Kumulativni rezultati ove disertacije imaju u cilju unaprjeđenje upravljanja nasipima za obranu od poplava, u smislu predviđanja vjerojatnosti otkazivanja i ranog upozorenja potencijalnog otkazivanja, kako bi se mogle donositi pravovremene odluke i reakcije. To je ostvareno kroz generalizaciju nasipa značajno različitih poprečnih presjeka koji se nalaze unutar područja od interesa, i predviđanja njihovog ponašanja na temelju ključnih parametara. S obzirom na različitost presjeka s kojima se možemo susresti unutar promatranog područja, postaje neefikasna izrada krivulja za svaki pojedini presjek, stoga je generalizacija ovdje od velikog značaja. Osim toga, s obzirom na kratki vremenski rok unutar kojega dolazi do sloma (vremenski rok u najdužem slučaju odgovara trajanju visokih voda), prikupljanje podataka i provedba analiza nekog kritičnog presjeka u kritičnom trenutku također nije održiva. Iz toga razloga, uz bolje razumijevanje ponašanja nasipa i veći opseg pripremnih analiza, mogu se izraditi modeli strojnog učenja čija se primjena može u kritičnim trenutcima brzo implementirati na razli ˇ čitim presjecima. Za izradu takvih modela s fokusom na generalizaciju ponašanja, od izuzetnog je značaja identificirati ključne parametre koji najviše utječu na ponašanje nasipa. Od preko 100 parametara potrebnih za jednoznačno definiranje svakog pojedinog presjeka na što realniji mogući način numeričkim modelima, otprilike jedna trećina njih su oni koji većim dijelom upravljaju ponašanjem nasipa prilikom relevantnih mehanizama sloma. Mehanizmi sloma odnose ne na stabilnost nasipa, prelijevanje, vanjsku i unutarnju eroziju, pri čemu se unutarnja erozija može dodatno dijeliti na nekoliko vrsta. Ovim radom obuhvaćena je primarno stabilnost, a obrađene su i unutarnja erozija i prelijevanje. Kada bi se tako identificirani parametri skupili u baze podataka relevantne za pojedino promatrano područje, ovakvi modeli bili bi primjenjivi za brza i efikasna predviđanja ponašanja kao i u sustavu ranog upozorenja o potencijalnih katastrofama. Ovdje razvijeni modeli fokusirani na neojačane nasipe, no nasipi ojačani geomrežama su također zasebno promatrani i ustanovljeni su relativni doprinosi parametara tla i elemenata ojačanja na stabilnost nasipa, što je korak ka i njihovom uključivanju u spomenute modele. |
