Geostatistical analysis of cone penetration test (CPT) sounding using the modified Bartlett test


    loading  Checking for direct PDF access through Ovid

Abstract

More in situ tests are typically carried out over the same volume of soil in comparison to laboratory tests on undisturbed borehole samples. Hence, geostatistical analysis of in situ test records should in principle provide a more accurate and representative overview of spatial variation. A natural probabilistic model for correlated spatial data is the random field. Although the random field provides a concise description of spatial variation, it poses considerable practical difficulties for statistical inference because of the underlying autocorrelation structure. This note presents an extended discussion of the modified Bartlett random field estimation procedure, which is capable of rejecting the null hypothesis of weak stationarity for spatially correlated data. In comparison with simple visual inspection and the standard run test, the modified Bartlett test is shown to provide three advantages: (i) it is a more consistent measure that is unaffected by the vagaries of subjective interpretation; (ii) it is sufficiently discriminative to decide if a section is stationary, even when visual clues are ambiguous; and (iii) it is capable of accommodating realistic constraints (e.g., short record length). The possibility of identifying secondary soil boundaries that may not be readily apparent from visual inspection of cone soundings, its robustness to alternate transformations of the cone data, and the sensitivity of the proposed procedure to different levels of significance are discussed.RésuméTypiquement, il y a plus d'essais in situ réalisés sur un même volume de sol en comparaison des essais en laboratoire réalisés sur des échantillons non remaniés provenant de forages. D'où, une analyse géostatistique des données d'essais in situ devrait en principe fournir une vue d'ensemble plus précise et plus représentative de la variation spatiale. Un modèle naturel probabilistique pour la corrélation des données spatiales est le champ aléatoire. Quoique le champ aléatoire fournisse une description concise de la variation spatiale, il présente des difficultés pratiques considérables pour l'inférence statistique à cause de sa structure d'autocorrélation sous-jacente. Cette note présente une discussion élaborée de la procédure d'estimation du champ aléatoire modifié de Bartlett qui est capable de rejeter l'hypothèse nulle du faible caractère stationnaire des données en corrélation spatiale. En comparaison avec une simple inspection visuelle et l'essai courant standard, on montre que l'essai modifié Bartlett présente trois avantages, nommément: (i) il est une mesure plus consistante qui n'est pas affectée par les caprices de l'interprétation subjective, (ii) il est suffisamment discriminant pour décider si une section est stationnaire, même lorsque les indices visuels sont ambigus, et (iii) il est capable d'accommoder les contraintes réalistes (ex. bref dossier de données). On discute la possibilité d'identifier les couches secondaires du sol qui peuvent ne pas être facilement observables en partant de l'inspection visuelle des sondages au cône, sa robustesse pour alterner les transformations des données du cône, et la sensibilité de la procédure proposée à différents niveaux d'importance.

    loading  Loading Related Articles