La méthode des éléments finis

stochastiques
en géotechnique
Cet article présente différentes techniques permettant

Résumé
d'appliquer la méthode des éléments finis stochastiques
(MEFS) aux ouvrages géotechniques. La MFES a pour bul
d'évaluer la marge d'erreur sur les résultats des
G. AUVINET modélisations numériques du comportement de ces
Instituto de Ingeniería ouvrages, compte tenu des diverses incertitudes qui
UNAM affectent ces modélisations et, en particulier, de celles qui
Cd. Universitaria portent sur les paramètres du sol. On montre comment la
Apdo Postal 70-472 méthode des éléments finis peut être couplée à des
Coyoacán 04510 techniques probabilistes telles que la méthode de Monte­
Carlo ou les diverses techniques de perturbation, y
Mexico compris les méthodes du « premier ordre-seconds
moments » et la méthode des estimations ponctuelles. Les
R. MELLAH avantages et les inconvénients de ces diverses techniques
sont examinés. L'application de la MEFS est brièvement
F. MASROURI illustrée par des analyses d'incertitude sur le champ de
Laboratoire Environnement contraintes dans une structure simple et sur le champ de:
Géomécanique et Ouvrages déplacements dans un remblai. Les résultats de ces
École Nationale Supérieure analyses et d'autres similaires qui seront présentées dans
de prochains articles montrent que la MEFS, malgré ses
de Géologie, INPL, Nancy limites actuelles, permet aux ingénieurs géotechniciens
d'introduire un degré de réalisme supplémentaire bien
J. F. RODRIGUEZ nécessaire dans les modélisations aux éléments finis.
Instituto de Ingeniería Mots-clés : géotechnique, incertitude, méthode des
UNAM, Mexico éléments finis stochastiques, sols, méthode de Monte
Carlo, techniques de perturbations.

The stochastic finite element method

in geotechnical engineering
Abstract

This paper presents several techniques making it possible to

apply the Stochastic Finite Element Method (SFEMI to
geotechnical structures. SFEM can be used for assessing the
error margin on the results of numerical modeling of such
structures, taking into account the main uncertainty sources,
including those concerning soil parameters. As shown in the
paper, the Finite Element Method can be coupled with
probabilistic techniques such as the Monte-Carlo Method and
different perturbation techniques including the First Order-
Second Moment method and the Point Estimate method. The
advantages and limitations of these different techniques are
discussed The application of the SFEM is briefly illustrated by
analyses of uncertainty on the stress field within a simple
structure and on the displacement field within an embankment.
The results of these analyses and those of similar ones that will
he presented in future papers show that, in spite of its current
limitations, the SFEM can help geotechnical engineers to
introduce a quite necessary additional degree of realism in
NDLE: Les discussions sw­ Finite Element modeling,
eet article sont acceptées
jusqu'au 1er août 2001. Key words : geotechnical engineering, uncertainty, stochastic
finite element method, soils, Monte Carlo method, perturbation
techniques.
67
REVUEFRANÇAISEDEGÉOTECHNIIQUE
2 0 0N°09
3
4
e
trim
e
stre
 1 2
Introduction Les incertitudes dans les analyses
L'application de l'informatique et de méthodes aux éléments finis en géotechnique
numériques telles que les différences finies ou les élé­
ments finis a connu un large développement dans le
domaine de la modélisation des déplacements, défor­ 2.1
mations et contraintes dans les sols et les ouvrages en
terre. Les principales sources d’incertitude
Cependant, les sources d'incertitude dans les ana­
lyses aux éléments finis en géotechnique sont nom­ Si, pour les structures, la diversité des matériaux est
breuses. Le choix des paramètres des lois de compor­ relativement réduite et leurs propriétés sont mainte­
tement à introduire dans le calcul est particulièrement nant assez bien connues, à l'opposé, la mécanique des
délicat. Les propriétés des sols naturels ou compactés sols doit s'accommoder de matériaux que la nature a
présentent généralement des variations spatiales dotés de caractéristiques complexes et variables dans
l'espace et dans le temps et dont la mesure est délicate.
importantes et les techniques directes ou indirectes uti­ De ce fait, les paramètres mécaniques que l'on doit
lisées pour les déterminer sont souvent peu fiables. introduire dans les calculs en géotechnique, et en par­
Aux incertitudes sur les propriétés, s'ajoutent celles ticulier dans ceux réalisés par la méthode des éléments
concernant les sollicitations, les conditions aux limites finis, sont souvent mal connus. On doit ajouter à cela
et la méthode de calcul elle-même. On s'accorde en les incertitudes sur les sollicitations et les conditions
général à reconnaître que les incertitudes les plus aux limites ainsi que l'erreur que peuvent introduire les
graves sont celles induites par une mauvaise connais­ hypothèses et approximations du modèle mécanique
sance des propriétés des sols. utilisé. Les incertitudes associées aux erreurs humaines
Les techniques statistiques et probabilistes permet­ peuvent également être extrêmement importantes mais
tant d'évaluer l'incertitude sur le comportement des elles échappent en général aux modélisations probabi­
sols et des ouvrages liée aux diverses incertitudes citées listes ou autres.
ci-dessus dans les analyses aux éléments finis portent
globalement le nom de « méthode des éléments finis
stochastiques » (MEFS). Comme on le montre dans ce
qui suit, les différentes techniques disponibles pour la Incertitudes sur les paramètres mécaniques des sols
mise en oeuvre de la MEFS ont leur domaine d'appli­
cation, leurs limitations et leurs mérites respectifs. Les La connaissance des lois de comportement des sols
exemples présentés montrent par ailleurs que les résul­ naturels ou compactés joue un rôle fondamental dans
tats typiques obtenus par la MEFS sont souvent d'inter­ les calculs de la géotechnique et en particulier dans les
prétation délicate. analyses aux éléments finis effectuées en vue de la
détermination des champs de déplacements, de
Les premiers travaux sur l'application de la MEFS à contraintes et de déformations au sein des ouvrages et
la géotechnique ont été exposés par Cambou et Auvi- de leur environnement. Les paramètres de la loi de
net (1974, 1975,1977). Un logiciel a été développé pour comportement (élastique linéaire ou non-linéaire, élas-
l'analyse stochastique des déplacements et des toplastique, viscoélastique) sont souvent estimés à par­
contraintes dans le sol au cours des excavations réali­ tir de l'expérience, de corrélations avec les propriétés
sées pour la construction du métro de Mexico. Une physiques et, dans le meilleur des cas, à partir d'un
méthodologie analogue a été utilisée par Baecher et al. nombre limité d'essais en place ou au laboratoire. Il est
(1981) pour l'étude des incertitudes sur les tassements clair que l'on doit distinguer deux types d'incertitudes :
des fondations. Un logiciel de MFES a été développé celles qui sont associées aux variations spatiales et
par Magnan (1987) (Code de calcul PROBEF). Magnan celles qui sont dues à la mesure ou à l'estimation des
et al. (1995) ont par la suite appliqué la MEFS à l'analyse paramètres d'un élément de sol donné.
de la consolidation uni- et bidimensionnelle des sols
sous une semelle isolée. Orlandi (1996) et Bouayed • Variabilité spatiale
(1997) ont abordé l'analyse stochastique des barrages Par nature, les sols sont des matériaux hétérogènes,
en terre en utilisant la méthode FOSM en élasticité leurs propriétés mécaniques et physiques présentent
linéaire et non-linéaire mais en se limitant dans ce der­ une variation souvent considérable d'un point à l'autre
nier cas aux incertitudes sur les déplacements. Mellah du milieu géotechnique étudié. La connaissance de la
(1999) a présenté une évaluation de l'applicabilité de la géologie du site ou du procédé de construction de
méthode au cas des analyses par éléments finis en l'ouvrage permet en général de définir des sous­
élasto-plasticité. domaines à caractéristiques à peu près homogènes. Il
Dans le domaine des écoulements en milieu peut ne s'agir toutefois que d'une homogénéité statis­
poreux obéissant à la loi de Darcy, Griffith et al. (1993) tique dissimulant des variations spatiales souvent très
ont étudié l'influence de la variabilité spatiale de la significatives. Il est donc nécessaire de reconnaître que
perméabilité sur l'écoulement de l'eau sous un bar­ les propriétés des sols sont des fonctions aléatoires
rage par simulation de champs stochastiques. Par spatiales.
ailleurs, Bencheikh (1994) et López Acosta (1999) ont
appliqué la méthode des éléments finis stochastiques • Incertitudes sur les mesures et estimations
à l'étude des écoulements souterrains dans des des paramètres
milieux à perméabilité incertaine décrite au moyen de

68
Les lois de comportement courantes sont des
variables aléatoires. modèles qui donnent du comportement réel du sol une

REVUEFRANÇAISEDEGEOTHECHNIQUE
N° 93
4etrimestre 2000
description plus ou moins satisfaisante. Dans la plupart
des cas, les courbes expérimentales décrivant le com­
portement du sol au cours d'essais de laboratoire ou en Conclusion
place sont ajustées à celles prévues par modèle choisi,
afin de déterminer les paramètres mécaniques du sol Nous avons souligné l'importance que peuvent
considéré. L'écart observé entre le comportement réel revêtir les incertitudes sur les propriétés du sol, mais
du sol et la réponse du modèle choisi est dû principale­ aussi sur les sollicitations, les conditions aux limites et
sur la validité du modèle lui-même dans les analyses
ment : aux éléments finis. Il semble qu'en géotechnique, le
- aux erreurs aléatoires commises lors des essais réali­ plus souvent, l'incertitude sur les paramètres méca­
sés ; niques des matériaux considérés soit la plus impor­
- aux erreurs systématiques dues à un biais dans la tante. Dans la suite, nous nous intéresserons donc plus
mesure, souvent inhérent à l'essai réalisé (on observe particulièrement à la modélisation de cette incertitude
par exemple des différences systématiques entre la en vue de sa prise en compte dans les analyses aux élé­
résistance au cisaillement mesurée au scissomètre et au ments finis.
triaxial) ou lié au remaniement des échantillons et
autres facteurs similaires.
2.2
Un biais peut également être introduit lorsque la loi
de comportement ajustée est choisie de façon trop arbi­ Modélisation de l’incertitude
traire et surtout quand les paramètres du sol sont esti­
més de façon subjective (jugement d'expert) ou à partir sur les propriétés des sols
de corrélations statistiques entre propriétés physiques
et mécaniques. Ce biais, le plus souvent mal connu, donc
aléatoire, peut être additif (résultat de l'essai ou de l'esti­
mation valide à une constante aléatoire près) ou, le plus
souvent, multiplicatif (erreur systématique aléatoire pro­ Champ stochastique
portionnelle au résultat de la mesure ou de l'estimation). Soit V (X), la valeur prise par une propriété du sol
donnée au point X d'un domaine Rp [p = 1,2,3). En
chaque point, cette valeur, en général non ou mal
connue, peut être considérée comme une variable aléa­
Incertitudes sur les sollicitations et conditions aux limites toire. L'ensemble des variables aléatoires du domaine
constitue un champ stochastique qui peut être décrit au
Les forces extérieures et les forces de volume à moyen des éléments suivants :
prendre en compte dans les analyses géotechniques
réalisées par la méthode des éléments finis, sont sou­ • Espérance
vent elles aussi mal connues. Il en est ainsi des forces mathématique : (1 )
tectoniques ou des contraintes transmises au sol par les • Variance : (2)
fondations, fréquemment estimées à partir de des­ • Auto-corrélation. (3)
centes de charges approximatives. Les conditions aux • Auto-covariance :
limites elles-mêmes ne peuvent souvent être représen­
tées que de façon approchée. Les incertitudes ainsi (4)
introduites sont souvent difficiles à évaluer. Si l'on dis­
pose des éléments nécessaires, ce type d'incertitude Les deux fonctions précédentes représentent le
peut être représenté par un vecteur de variables aléa­ degré de dépendance linéaire entre les valeurs des pro­
toires susceptibles d'être prises en compte dans les priétés mesurées en deux points différents dans le
analyses stochastiques (Cornell, 1971). domaine considéré.
• Coefficient d'auto-corrélation :

Incertitudes sur la méthode de calcul

(5)
Il existe des méthodes théoriques pour déterminer
l'erreur implicite dans les analyses aux éléments finis a
priori et a posteriori (Mestat et Prat, 1999). On trouve Ce coefficient représente l'auto-covariance normali­
par ailleurs dans la littérature, mais relativement dis­ sée, adimensionnelle, dont les valeurs restent com­
persées, diverses études de sensibilité sur les diffé­ prises entre-1 et + 1.
rentes caractéristiques d'une modélisation numérique • Fonction de distribution cumulée de probabilité :
(maillages, méthode d'intégration, critère de plasti­
cité...). En général, ces études ne sont pas réalisées de
manière systématique et ne se prêtent donc guère au (6)
traitement probabiliste et statistique, qui permettrait
une étude des facteurs susceptibles d'introduire un On suppose le plus souvent en pratique que le
biais dans les calculs aux éléments finis. L'approche de champ présente une certaine régularité. On admet qu'il
ce problème est souvent empirique et passe par la vali­ existe une homogénéité statistique, quitte à subdiviser
dation des résultats sur essais, ouvrages types, et le milieu en plusieurs sous-domaines. L'hypothèse sim­
ouvrages réels. Si les éléments nécessaires sont réunis, plificatrice la plus courante est celle de la stationnarité
il est toutefois possible de représenter l'erreur sur la au sens large. L'espérance est considérée comme
méthode de calcul au moyen d'un terme aléatoire constante dans le domaine étudié, éventuellement
d'erreur multiplicatif ou additif (Cornell, 1971). après élimination d'une dérive, et l'on admet que l'auto-
69
REVUEFRANÇAISEde GEOTHECHNIQUE
N° 93
4etrim
estre2000
 covariance dépend uniquement de la distance vecto­ tifs aléatoires ou systématiques (Cochran, 1977). Il est
rielle t entre les points X1et X2, on a alors : courant en géotechnique que le nombre de données
(ou plus disponibles ne soit pas suffisant pour que l'estimation
simplement C (τ)) (7) soit précise ; une erreur de type statistique est alors
À l'origine, cette fonction n'est autre que la variance introduite dans l'estimation ;
de V(X). - à l'inverse, quand les données sont nombreuses et
fiables, il devient possible d'estimer les paramètres du
(8):
champ avec précision mais c'est alors toute l'approche
probabiliste de la variabilité spatiale qui perd de son
et le coefficient d'auto-corrélation s'écrit comme suit : intérêt du point de vue de l'ingénieur ;
pvv(X1 X2) - pw (t) ou plus simplement p (τ) (9) - la corrélation entre les valeurs du champ associées à
deux points du milieu n'est pas une propriété intrin­
sèque de ces deux points. Elle dépend bien entendu du
La représentation graphique de cette fonction reçoit domaine (population) dans lequel elle est définie et
souvent le nom de « corrélogramme ». duquel elle ne peut être dissociée. Ainsi, dans un milieu
Sous le même formalisme mathématique, l'interpré­ fortement contrasté du point de vue stratigraphique,
tation donnée à ce champ peut être extrêmement les propriétés de deux points appartenant à une même
variable. Suivant le sens attribué au concept de proba­ couche peuvent être fortement corrélées, mais ne plus
bilité, qui doit bien sûr être clairement défini avant l'être du tout dans une analyse de corrélation ne por­
toute analyse probabiliste, on est amené en fait à consi­ tant plus que sur la couche où ils se trouvent. Un son­
dérer plusieurs types de champs aléatoires. dage trop court ou des mesures faites dans un seul plan
horizontal ou tout autre zone particulière du sol peu­
a) Champs estimatifs vent donner une image totalement incorrecte de la
variabilité et de la structure de corrélation de
Lorsque les propriétés des sols sont estimées à par­ l'ensemble du milieu ;
tir d'opinions basées principalement sur l'expérience et
les observations d'un expert, le champ stochastique est - à défaut de mesures, il est parfois possible d'estimer
de type estimatif. Ses paramètres doivent alors refléter l'ordre de grandeur des distances d'auto-corrélation.
les connaissances mais aussi l'ignorance de l'expert. On dispose maintenant de nombreux résultats obtenus
Cette situation est courante en géotechnique car il n'est sur différents types de sols mis en place par diverses
pas toujours possible de réaliser un nombre de mesures techniques et concernant en particulier la portée ou
suffisant pour pouvoir s'affranchir d'opinions large­ distance d'influence de la corrélation (Rossa, 1988;
ment subjectives. Dans ce cas, les probabilités reflètent Favre, 1987 ; Cherubini, 1993). Il est toutefois indispen­
avant tout le « degré de confiance » (degree of belief) sable que les conditions géotechniques du site étudié
que méritent les estimations avancées par l'expert. soient vraiment similaires à celles des sites où les
mesures ont été réalisées pour que ces valeurs puissent
Au moment du projet des ouvrages en terre, on ne être adoptées ;
dispose bien entendu d'aucunes données sur la varia­
bilité spatiale des propriétés, à l'exception du zonage - remarquons par ailleurs que les champs stochas­
général prévu par le projet lui même. Dans cette situa­ tiques tridimensionnels ne peuvent être pris en compte
tion, qui est une de celles où la modélisation stochas­ dans les analyses courantes aux éléments finis en
tique présente le plus grand intérêt, seul l'emploi d'un déformation plane. En effet ce type d'analyse suppose
champ estimatif reflétant les incertitudes a priori sur les une homogénéité parfaite dans la direction perpendi­
propriétés des matériaux des différentes zones est alors culaire au plan de l'analyse, ce qui contredit l'hypo­
possible. thèse de variation aléatoire spatiale.

b) Champs descriptifs de la variabilité spatiale c) Champs mixtes

Lorsque l'on dispose d'un nombre suffisant de En pratique, la situation est souvent intermédiaire
mesures fiables sur la variabilité spatiale des proprié­ entre les deux précédentes. Les propriétés des sols sont
tés du sol, le champ aléatoire peut être de type descrip­ définies par une combinaison d'opinions (probabilités a
tif et être utilisé pour décrire les incertitudes rési­ priori) et de résultats expérimentaux qui peuvent être
duelles. Les paramètres du champ peuvent alors être introduits dans une analyse bayésienne explicite ou
estimés par analyse statistique des données. C'est le implicite permettant de définir des probabilités a pos­
domaine de la géostatistique au sens qui lui a été donné teriori (tenant compte des mesures). L'interprétation
durant ces dernières décennies. Dans ce cas, les pro­ donnée au concept de probabilité devient dans ce cas
babilités doivent être interprétées en termes de fré­ plus ambigu mais ce concept reste malgré tout utile
quence relative. On soulignera que les champs sto­ dans la pratique (Divtlevsen, 1996).
chastiques décrivant la variabilité spatiale des
propriétés des sols ne sont connus que par l'intermé­
diaire de mesures ou d'estimations qui sont elles-
mêmes entachées d'incertitude. On ne peut donc avoir Discrétisation pour les analyses aux éléments finis
accès qu'à un champ apparent dont les caractéristiques
diffèrent de celles du champ réel. Pour introduire l'incertitude sur les propriétés des
sols dans un modèle de calcul, il est nécessaire de pas­
Dans la pratique de la géotechnique, l'utilisation de ser de la représentation du champ aléatoire continu à
ces champs descriptifs se heurte souvent à de sérieuses un nombre limité de variables aléatoires. C'est ainsi
difficultés pour les raisons suivantes : que, pour les calculs aux éléments finis, on devra fina­
- l'estimation des paramètres du champ doit suivre les lement associer à chaque élément ou groupe d'élé­

70 règles applicables à la prise d'échantillons représenta­

REVUEFRANÇAISEDEGEOTECHNIQUE
N°93
ments correspondant à un volume de sol donné, des

4etrimestre2000
paramètres mécaniques aléatoires représentatifs. Le l'abandon de la modélisation par champ stochastique
problème de la définition de ces valeurs représentatives et son remplacement par une modélisation plus simple
est délicat car il est souvent de nature tout autant méca­ par variables aléatoires.
nique que statistique. Les méthodes de discrétisation
les plus courantes ignorent en fait l'aspect mécanique • Valeurs ponctuelles et moyennes spatiales
du problème qui ressort des techniques d'homogénéi­ défi nies dans des champs conditionnels
sation. Dans les paragraphes précédents, on a supposé que
Soit V (X) ; X e Ω, un champ aléatoire multidimen­ le modèle stochastique de l'incertitude spatiale avait pu
sionnel, défini dans un domaine Ω et représenté par être établi à partir de certaines données ponctuelles ou
son espérance μν (X), sa variance σ2(x ) et son coeffi­ continues (sondages) et on a examiné ses possibilités
d'utilisation pour les modélisations stochastiques dans
cient d'autocorrelation pvv. (X, X'). V est le vecteur des les analyses aux éléments finis. Cette approche ignore
variables qui permettent de représenter le champ sto­ le fait que l'existence de ces données réduit considéra­
chastique, défini par un vecteur moyen μ et une matrice blement l'incertitude au voisinage des points où elles
de covariance Tvv II existe diverses méthodes de dis­ ont été obtenues. Il est évident que l'on peut faire
crétisation reliant V (X) à V (Der Kiureghian et al., 1988). mieux et estimer les paramètres à attribuer aux élé­
Nous n'examinerons ici que les plus simples. ments finis ou groupes d'éléments finis en prenant en
compte directement les résultats des mesures. C'est
• Méthode des points moyens l'objectif des techniques d'estimation conditionnelle,
La valeur du champ dans le domaine d'un élé­ telles que le krigeage (Matheron, 1971) qui peuvent être
ment ou groupe d'éléments est décrite par une simple utilisées pour associer à chaque point du milieu une
variable aléatoire représentant la valeur au point cen­ espérance et une variance conditionnelle de la pro­
tral du sous-domaine considéré : priété considérée ou pour attribuer à chaque sous­
domaine considéré (élément fini ou groupe d'éléments
finis) une espérance et variance conditionnelle de la
( 10)
valeur moyenne de cette propriété sur ce sous­
domaine.

Le vecteur V est formé par toutes les variables aléa­

toires V (XJ des sous-domaines considérés. La réalisa­
tion du champ ainsi définie est une fonction en escalier Conclusion
présentant des discontinuités aux frontières des élé­
ments. La moyenne et la matrice de covariance du vec­ Les mesures et estimations et la variabilité spatiale
teur sont données en fonction de la moyenne, de la des propriétés des sols introduisent une incertitude
variance et des coefficients d'auto-corrélation du importante dans les analyses aux éléments finis.
champ, évalués au centre de gravité des sous­ L'incertitude sur les propriétés des sols peut être repré­
domaines. sentée par des champs stochastiques. Néanmoins, dans
la pratique, la description de l'incertitude devra finale­
• Méthode des moyennes spatiales ment être réalisée au moyen d'un nombre limité de
variables aléatoires.
Cette méthode a été proposée par Cornell (1971),
puis reprise par Vanmarcke et al. (1983). Le champ est
décrit à l'intérieur du sous-domaine considéré par la 3
moyenne spatiale du champ :
La méthode
des éléments finis stochastiques
( 11)
Le couplage entre les méthodes probabilistes et la
méthode des éléments finis a donné naissance à la
«méthode des éléments finis stochastiques » (MEFS).
Les techniques permettant d'appliquer la méthode des
L'ensemble des valeurs moyennes Ve des variables éléments finis stochastiques (MEFS), peuvent généra­
aléatoires forme le vecteur V; les valeurs statistiques μ lement être divisées en deux catégories (Teigen et al.
et Tvv (espérance et matrice de covariance) du vecteur V 1991) : les méthodes des perturbations et les méthodes
sont obtenues par intégration des moments du champ de simulation. Par ailleurs, la méthode peut être cou­
aléatoire. plée avec un calcul de fiabilité (Flores, 1994; Lemaire,
1997). La littérature consacrée au développement de ces
La variance de la valeur moyenne d'une propriété méthodes et, dans une moindre mesure, à leurs appli­
aléatoire dans un domaine donné tend à diminuer cations dans différents domaines est abondante. Nous
quand les dimensions du domaine considéré augmen­ citerons entre autres : Vanmarcke et al. (1983) et Bittnar
tent (sauf dans le cas trivial de la corrélation parfaite). (1996).
Dans la littérature, ce phénomène est connu sous le
nom de « réduction de variance ». Dans la mesure où
l'on a recours à des moyennes spatiales pour les calculs 3.1
aux éléments finis, les incertitudes résiduelles les plus
significatives sont donc souvent celles correspondant Méthode des perturbations
aux biais des tests ou des corrélations, qui eux ne souf­
frent pas de réduction de variance, ce qui peut justifier La méthode des perturbations est basée sur une
dans de nombreux cas, au moins en géotechnique. représentation simplifiée des fonctions de distribution
71
REVUE FRANÇAISEDEGEOTECHNIQUE
N° 73
4e trimestre 2000
 de probabilité de fonctions de variables aléatoires, au Une fois [k0]-1déterminée, on peut évaluer tous les
moyen des nièmes premiers moments (le nombre
dépendant de la technique utilisée). L'estimation de ces déplacements De la même façon, on
premiers moments est obtenue en ajoutant à un terme
central moyen les effets « perturbateurs » introduits par peut déterminer les vecteurs du champ des contraintes
chaque variable aléatoire considérée séparément. (σ) et du champ des déformations (ε) à partir des équa­
tions de la théorie d'élasticité.
La détermination des deux premiers moments de la
3.1.1 réponse et de leurs intervalles de confiance dépend du
Méthode classique des perturbations (Mathews, 1964) degré d'approximation de la fonction considérée :
Si l'approximation souhaitée est du premier ordre,
La méthode est basée sur l'approximation de la den­ le vecteur du champ des déplacements s'écrit comme
sité de probabilité d'une fonction de variable aléatoire à suit :
partir du développement limité en série de Taylor de
cette fonction.
La résolution du système d'équations de base de la (17)
méthode des éléments finis en élasticité linéaire permet
de déterminer le vecteur du champ des déplacements
et par conséquent ceux des contraintes et des déforma­
tions avec : (18)
(12)

(U) : vecteur du champ de déplacements aux nœuds du

système ; (19)
(F) : vecteur des forces extérieures et volumiques appli­
quées aux nœuds ;
[K] : matrice de rigidité fonction du vecteur de variables Si l’approximation est du deuxième ordre, le déve­
aléatoires x = (x1, x.2, xn )qui représentent les aléas
du système. loppement en série de Taylor jusqu'au troisième terme
nous permet d'écrire :
Si les aléas sont assez petits et présentent une
moyenne nulle, la matrice de rigidité peut se mettre
sous la forme : (20)

(13)
avec : ( 21)

n : nombre de variables aléatoires,

[ko] : matrice de rigidité évaluée en
: dérivées partielles de la matrice de rigi­ (22)

dité (X], définies par :

L'application de cette méthode demande bien

(14) entendu le calcul de toutes les dérivées partielles pre­
mières et secondes de la matrice de rigidité.
Le vecteur du champ de déplacements (U) prend
alors la forme suivante : 3.1.2
Méthode du premier ordre - seconds moments
(15) (FOSM ; Cornell, 1971)
La méthode FOSM, proposée par Comell (1971), est
Les vecteurs des coefficients sont également basée sur le développement en série de Tay­
lor. Le caractère aléatoire est analysé en termes d'espé­
évalués après avoir résolu le système d'équations sui­ rance mathématique, de variance et de covariances des
vant : paramètres.
Le principe de cette méthode est d'approximer la
densité de probabilité d'une fonction d'une variable
aléatoire, g(xi), en remplaçant cette dernière par les
(16) deux ou trois premiers termes de son développe­
ment en série de Taylor au voisinage de la moyenne
de xr

72
REVUE FRANÇAISE DEGÉOTECHNIQUE
N° 93
4etrimestre 2000
 et :
(31)

Remarquons que cette méthode ne permet d'obte­

(23) nir la forme exacte de la densité de probabilité que
dans le cas où celle-ci est gaussienne.
• Application de la méthode FOSM en élasticité
μxi : la valeur moyenne de la variable aléatoire xr linéaire (Cambou, 1977)
On peut distinguer les cas suivants : Pour un milieu continu et isotrope et suivant une loi
Dans le cas d'une fonction y = g(x) d'une seule de comportement élastique linéaire, le principe de base
variable aléatoire x (et éventuellement d'autres des éléments finis en élasticité est la résolution du sys­
variables non-aléatoires), l'expression (23) prend la tème d'équations (12) :
forme suivante : [U] = [K-' (x1 X2,..., xn)] (F) = (g(x1 x2.-.x )
Il est possible d'estimer les premiers moments, ainsi
que les covariances des divers résultats de l'analyse, en
se basant sur le développement en série de Taylor
d'ordre 2 :
(32)
(24)
(33)

et :

(34)
(25)

En dérivant les équations du système, on obtient :

(26) (35)

avec :
Si la fonction dépend de plusieurs variables aléa­
toires y = g(x1 X2'..., xn), le développement en série de [Uf) et (Ff) définissent respectivement des déplace­
Taylor donne : ments et forces fictives qui peuvent être utilisés pour
obtenir les dérivées partielles des déplacements par
rapport à chaque paramètre aléatoire en ayant recours
au même algorithme que pour la résolution du système
(12). Ces dérivées partielles peuvent alors être insérées
dans les équations (32) à (34).
On voit que la méthode se ramène en fait à celle des
perturbations classiques.
De la même façon, pour l'estimation des incerti­
tudes sur les contraintes, on obtient, en dérivant le sys­
tème d'équations général de l'élasticité par rapport aux
caractéristiques aléatoires du milieu :

(36)
(28)

avec n : nombre total de variables aléatoires. Avec :

La méthode se généralise pour les fonctions mul­ (σ) : tenseur des contraintes ;
tiples de plusieurs variables aléatoires. [D] : matrice d'élasticité ;
Pour chaque fonction : [B] : matrice géométrique.
(29) Pour l'estimation des incertitudes sur les déforma­
tions, on obtient :
(30)
(37)
73
REVUE FRANÇAISEDEGEOTECHNIQUE
N° 93
4etrimestre2000
 Les dérivées des contraintes et des déformations
obtenues à partir de ces équations peuvent être insé­
rées dans des développements de Taylor analogues à
ceux des déplacements. Ces différentes dérivées peu­
vent êtres déterminées explicitement en différenciant
la matrice de rigidité [K], la matrice [B] et la matrice [D]
[B] par rapport aux variables aléatoires x (Bouayed,
1997).

• Application de la méthode FOSM en présence

de non-linéarités géométriques ou mécaniques
Si des non-linéarités géométriques ou mécaniques
sont présentes dans les modèles utilisés, la détermina­
tion des déplacements en chaque nœud par la méthode
des éléments finis se fait de manière itérative. Le calcul fig 1 Approximation biponctuelle
explicite des différentes dérivées des fonctions du de Rosenblueth
développement de Taylor devient impossible. La Rosenblueth's two-point estimates method.
méthode FOSM reste cependant applicable. Il devient
alors nécessaire de calculer les dérivées des dévelop­
pements de Taylor numériquement. À cet effet, diffé­
rents auteurs ont proposé des méthodes numériques déterminés en ajoutant à la valeur de la fonction calcu­
qui permettent de calculer les différentes dérivées lée au point central de la distribution discrétisée la
d'une manière approchée. Les plus utilisées sont celles somme des différents termes dispersants, ou perturba­
des approximations d'Evans (1967) et la méthode des teurs, liés à chaque variable aléatoire indépendante
rapports polynomiaux (Chowdury et al. 1993). Cette (additivité des effets de chaque variable aléatoire). La
dernière méthode a été utilisée dans de nombreuses méthode des perturbations indépendantes est très
études et a donné des résultats satisfaisants, tant pour avantageuse si le nombre de variables considérées est
des analyses de sensibilité (Orlandi, 1996 ; Bouayed, important.
1997) que pour des analyses de fiabilité (Nechnech,
1994; Benmansour, 1996). On doit souligner cependant
que, dans certains cas, la méthode, comme toute tech­
nique numérique, peut se heurter localement à cer­ 3.2
taines difficultés si la fonction implicite reliant les résul­
tats de l'analyse numérique et les paramètres aléatoires Méthodes de simulation
n'a pas un comportement régulier. Remarquons aussi Pour se libérer des contraintes liées à l'utilisation
que les méthodes numériques pour le calcul des déri­ des méthodes de transformation analytiques et numé­
vées présentent par rapport aux méthodes de dériva­ riques disponibles, dont le champ d'application est par­
tion explicite, l'avantage de pouvoir être appliquées de fois trop restreint et qui sont difficiles à mettre en
façon « externe » au code de calcul par éléments finis, œuvre, il est toujours possible d'avoir recours aux tech­
sans qu'il soit nécessaire de modifier ce code. niques de simulation basées sur la méthode de Monte­
Carlo. Un jeu de valeurs des variables aléatoires repré­
sentant les champs stochastiques est obtenu au hasard,
mais en respectant les densités de probabilité et les cor­
Méthode des approximations ponctuelles rélations, et l'analyse numérique du problème est effec­
tuée. On répète cette opération jusqu'à ce qu'une ten­
Rosenblueth (1975) a présenté une méthode qui per­ dance statistique se définisse et permette de juger de
met d'estimer les premiers moments d'une fonction de la dispersion des résultats. Si le vecteur de variables
variables aléatoires, en connaissant seulement les trois aléatoires considéré est à composantes indépendantes,
premiers moments de chaque variable et se basant sur la simulation se fait pour chacune des composantes. Si
une approximation au moyen de valeurs ponctuelles, le vecteur est à composantes dépendantes, on peut se
c'est-à-dire en utilisant une distribution de probabilité ramener au cas simple précédent, en utilisant la
discrète à mêmes moments. Il a montré qu'une formu­ méthode de Cholesky généralisée qui permet de diago­
lation générale de la méthode est possible avec un naliser la matrice de covariance. Cette méthode n'est
nombre quelconque de points d'estimation pour valable que si le vecteur de variables aléatoires est
chaque variable aléatoire. La démarche générale est gaussien. Dans le cas contraire, il existe dans la littéra­
représentée sur la figure 1. ture des méthodes de simulation propres à chacune
La méthode devient malheureusement trop lourde des lois utilisées. On peut par ailleurs se ramener au cas
dès que le nombre de variables aléatoires dépasse la gaussien en appliquant différentes transformations
dizaine, surtout s'il s'agit de variables corrélées entre (Fogli, 1980).
elles. L'inconvénient majeur de la méthode de Monte­
Dans la même ligne. Bolle (1988) a proposé une Carlo est sa convergence extrêmement lente. Plu­
méthode dite des « perturbations indépendantes » sieurs techniques existent pour déterminer le
basée sur la discrétisation en trois points de la fonction nombre de simulations nécessaires pour une
de distribution de probabilité d'une variable aléatoire approximation fixée par un intervalle de confiance.
et faisant appel au développement limité en série de Parmi les méthodes les plus pratiques, citons la
Taylor et à la transformation des variables de base en méthode classique de convergence (intervalle de
variables principales non corrélées. Les premiers confiance d'une valeur moyenne espérée) et la

74 moments de la distribution de la fonction f (x) sont

REVUE FRANÇAISEDEGEOTECHNIQUE
N° 93
méthode de Chebishev.

4etrimestre2000
Applications
Pour illustrer les techniques exposées dans les
paragraphes précédents nous nous limiterons à pré­
senter deux exemples simples.

4.1

Analyse stochastique d’une structure simple

Considérons une plaque de chant sur deux appuis, FIG2 Plaque sur deux appuis constituée de deux
l'un fixe et l'autre glissant sur un plan horizontal, et matériaux différents.
soumise à une force localisée (Fig. 2). La plaque est Plate on two supports made of two different
constituée par deux matériaux à module d'Young aléa­ materials.
toire. mais à même espérance et avec un coefficient de
variation (écart type divisé par espérance) CV = 10 % et
corrélés négativement (p= -1).
Les diagrammes de la figure 3 représentent l'espé­
rance des contraintes horizontales et verticales et des
cisaillements (colonne de gauche), et leur écart type
(colonne de droite) obtenu para la méthode FOSM.
On est frappé par la complexité de la répartition plaque, pas de contraintes horizontales sur les côtés
spatiale des incertitudes. Celle-ci obéit en effet à de verticaux, pas de cisaillements sur tous les côtés de la
multiples facteurs dont les effets ne sont pas toujours plaque). Ces conditions aux limites éliminent locale­
mis en valeur de façon suffisamment précise par la dis­ ment l'incertitude ;
crétisation en éléments finis ni par l'algorithme d'inter­ - perte d'homogénéité lors des variations aléatoires
polation (Surfer) utilisé : des deux modules, créant des sollicitations d'interac­
- conditions aux limites concernant les contraintes (pas tion parasites à l'interface, qui amplifient les incerti­
de contraintes verticales sur les faces horizontales de la tudes initiales ;

E(E) CV (v)
CV(E) E{v) P (E1.E2)
MPa
MATERIAU 1 21 X 104 0.10 0.30 0 Plaque sur deux appuis
MATÉRIAU 2 21 X 104 0.10 0.30 0

FIG. 3 Espérance et écart type des contraintes verticales (sigy), horizontales (sigx) et de cisaillement (tauxy).
Expected value and standard deviation of vertical (sigy), horizontal (sigx) and shear stresses (tauxy).

75
REVUE FRANCAISEDEGEOTECHNIQUE
N° 93
4etrimestre 2000
 - effets de moyenne atténuant l'incertitude au voisinage de la base de données de Duncan (1984). Pour des
de l'interface (voir cisaillement). matériaux différents, les corrélations considérées sont
subjectives et cherchent à refléter le fait que les mêmes
Seule la technique des éléments finis permet de saisir doutes existent sur les mêmes paramètres. La matrice
ce comportement complexe des incertitudes, difficile à de corrélation finalement utilisée pour les deux maté­
prévoir a priori et d'interprétation délicate. riaux est présentée sous forme de tableau (tableau I).
La modélisation par éléments finis permet de simu­
ler la construction par couches (non-linéarité géomé­
4.2
trique). L'incertitude sur les résultats est évaluée par
Monte-Carlo et par FOSM. Le programme en éléments
Analyse stochastique d’un remblai finis stochastiques utilisé fournit l’espérance (Fig. 5) et
Pour l'analyse des structures en terre, telles que les le coefficient de variation des déplacements verticaux
remblais et barrages en terre, des analyses ont pu être dus à l'incertitude sur tous les paramètres du modèle.
réalisées en utilisant la méthode de Monte-Carlo et la On observe que les résultats obtenus par FOSM (Fig. 6)
méthode FOSM. La méthode FOSM peut être mise en et par Monte-Carlo (Fig. 7) sont analogues. Les irrégu­
œuvre en procédant au calcul numérique des dérivées larités du champ des coefficients de variation montrent
par la méthode des quotients polynomiaux, ce qui per­ par ailleurs que pour une analyse en éléments finis sto­
met de ne pas modifier les logiciels classiques aux élé­ chastiques, le maillage doit généralement être plus fin
ments finis tels que FEADAM84 ou CESAR-LCPC. que pour une analyse ordinaire.
L'emploi de ces logiciels comme sous-programmes
d'une analyse d'incertitude pose toutefois de redou­ 5
tables problèmes de couplage. Pour illustrer l'applica­
tion de ces méthodes, nous présenterons certains résul­ Conclusion
tats concernant les déplacements dans un remblai en
cours de construction. La méthode des éléments finis stochastiques pré­
On considère ici un remblai constitué par deux sente un intérêt particulier pour les ingénieurs géo­
matériaux mis en place par couches (Fig. 4). On admet techniciens car elle permet d'évaluer l'influence des
que les deux matériaux suivent une loi non-linéaire incertitudes affectant les propriétés des matériaux sur
simple de type Kondner-Duncan (Duncan, 1984). la validité des résultats de ce type d'analyse numé­
L'espérance des valeurs des neuf paramètres de cette rique. Elle peut être employée pour obtenir les écarts
loi est indiquée dans le tableau. Par simplicité, on a types et les coefficients de variation et pour définir des
admis ici que ces paramètres présentaient tous un coef­ intervalles de confiance sur les résultats de la modéli­
ficient de variation de 10 %. Pour un matériau donné, sation tels que les déplacements, les déformations et
les valeurs des coefficients de corrélation entre para­ les contraintes. Comme nous l'avons montré, malgré
mètres ont pu être estimées par une analyse statistique ses limites actuelles, la MEFS permet donc aux ingé-

K n
K ur Kb m Rf C (kPa) ϕ(°) Δ φ (°) Y (kN/m3)

120 180 0.5 0.7 110 0.2 10 25 1.0 17

400 600 0.6 0.7 200 0.5 22 33 1.0 15
10%

FIG.4 Remblai construit par couches et constitué de deux matériaux différents.

76
REVUEFRANÇAISEDEGEOTECHNIQUE
N° 93
Embankment constructed placing successive layers of two different materials.

4etrimestre 2000
 tableau I Matrice de corrélation des propriétés des deux matériaux
Correlation matrix of the two materials.
Matériau 1 Matériau 2

r n
K K o Rt Kt m c(kPa) φ(°) Δφ(°) K K n Rf b m c(kPa) ϕ(°) Δφ(°)

K 1 0,9 -0,7, -0,1 0,5 -0,2 -0,2 0,2 0,4 0,7 0,6 -0,4 0 0,3 -0,1 0 0 0
Kur 0,9 1 -0.6 -0,1 0.6 -0,3 -0,2 0,2 0.1 0,6 0,7 -0,4 0 0.4 0 0 0 0
n -0.7 -0.6 1 -0.2 - 0.4 0.3 0.1 0,2 0 -0.4 -0,4 0.7 0 0 0 0 0 0
Matériau 1

Rf -0.1 -0.1 -0.2 1 - 0,2 -0,1 -0.2 0,2 0 0 0 0 0.7 0 -0.1 0 0 0

Kb 0.5 0,6 -0,4 -0,2 1 -0.6 -0,4 0,4 0.1 0,3 0,4 0 0 0,7 0 0 0 0
m -0.2 -0,3 0,3 -0,1 - 0,6 1 0,3 - 0,2 -0,3 -0,1 0 0 -0.1 0 0,7 0 0 0
c(kPa) -0,2 -0,2 0,1 -0,2 - 0.4 0.3 1 - 0,5 -0.3 0 0 0 0 0 0 0,7 -0,3 -0.2
φ(°) 0.2 0,2 0.2 0,2 0,4 -0.2 -0.5 1 0.5 0 0 0 0 0 0 -0.3 0,7 0.3
Δφ(°) 0.4 0.1 0 0 0.1 -0.3 -0,3 0,5 1 0 0 0 0 0 0 -0,2 0.3 0,7

K 0,7 0.6 -0.4 0 0,3 -0,1 0 0 0 1 0,9 -0,7 -0.1 0.5 -0,2 -0.2 0,2 0,4
Ku r 0,6 0.7 -0,4 0 0,4 0 0 0 0 0,9 1 0,6 -0,1 0,6 -0,3 -0.2 0,2 0,1
n -0,4 -0,4 0,7 0 0 0 0 0 0 -0,7 -0,6 1 -0,2 -0,4 0,3 0.1 0,2 0
Matériau 2

Rf 0 0 0 0.7 0 -0,1 0 0 0 -0,1 -0.1 -0,2 1 -0,2 -0.1 -0,2 0,2 0

b
K 0,3 0,4 0 0 0.7 0 0 0 0 0.5 0.6 -0,4 -0,2 1 -0,6 -0,4 0.4 0,1
m -0,1 0 0 -0,1 0 0,7 0 0 0 -0.2 -0,3 0.3 -0,1 -0.6 1 0.3 -0.2 -0.3
c(kPa 0 0 0 0 0 0 0.7 - 0.3 -0.2 -0,2 -0.2 0,1 -0,2 -0,4 0,3 1 -0,5 -0,3
ϕ(°) 0 0 0 0 0 0 -0,3 0,7 0,3 0,2 0,2 0.2 0.2 0,4 -0,2 -0.5 1 0.5
Δφ(°) 0 0 0 0 0 0 -0,2 0,3 0,7 0.4 0.1 0 0 0.1 -0.3 -0,3 0.5 1

fiG. 5 Déplacements verticaux (m), (espérance mathématique).

Vertical displacements (m), (expected value)

fis. 4 Coefficient de variation des déplacements verticaux (FOSM).

Coefficient of variation of vertical displacements (FOSM).
77
REVUEFRANÇAISEDEGEOTECHNlQUE
N° 93
4etrim
estre 2000
 fig 7 Coefficient de variation des déplacements verticaux (MC).
Coefficient of variation of vertical displacements (MC).

nieurs géotechniciens d'introduire un degré de réa­ utile pour mettre en évidence les paramètres les plus
lisme supplémentaire bien nécessaire dans les modé­ critiques de la loi de comportement retenue pour la
lisations aux éléments finis. Elle est également très modélisation.

Bibliographie

Alabert F. (1997) - « The practice of fast compte de la variabilité spatiale ». Thèse tics and Probability to Soil and Structural
conditional simulations through the LU de doctorat à l’École polytechnique Engineering, Hong Kong, p. 130-144.
decomposition of the covariance fédérale de Lausanne, n° 743, Deplagne F. (1994) - « Simulation de la
matrix». Mathematical Geology, vol. 19, 265p. cohésion pour une digue en argile ».
n° 5. p. 369-386. Bolle A. (1993) - « How to manage the Actes 12eRencontres universitaires de
Auvinet G., Bouayed A., Ben Cheikh M. spatial variability of natural soils ». génie civil, p. 75-82.
(1995) —«Modélisation stochastique par Proceedings, PROBAMAT, Probabilités Der kiureghian A.. Ke J.B. (1988) - «The sto­
éléments finis en géomécanique ». et matériaux. Essais, Modèles et Appli­ chastic finite element method in structu­
Actes du 12eCongrès français de Méca­ cations, NATO ARW930521. ENS ral reliability ». Probabilistic Engineering
nique, Strasbourg, France, vol. 4, p. Cachan. Mechanics, vol. A3, nc2, p. 83-91.
201-204. Bouayed A. (1997) - « Modélisation sto­ Der Kiureghian A., Li C.C., Zhang Y.
Auvinet G., Bouayed A., Orlandi S., chastique par éléments finis en géomé­ (1991) - «Recent developments in sto­
Lopez F. (1996) - «Stochastic Finite Ele­ canique ». Thèse de doctorat, ENSG, chastic finite elements ». Proceedings,
ment Method in Geomechanics ». Pro­ INPL, Nancy. 157 p. 4eIFIP W.G 7.5 Conference, Munich,
ceedings. Geotechnical Engineering Cambou B. (1997) - « Método del elemento Springer-Verlag,, p. 19-38.
Congress 1996, «Uncertainty 96 », Uni­ finito. Análisis de incertidumbre de Ditlevsen O., Madsen H.O. (1996) - Struc­
versity of Wisconsin. Geotechnical primer orden ». Publicación n° 339 del tural Reliability Methods. New York,
Engineering Division. ASCE Geotechni­ Instituto de Ingeniería. UNAM, John Wiley and Sons.
cal Special Publication, vol. 2. n°58, Mexique, 88p. Duncan J.M., Seed R.B., Wong K.S..
p. 1239-1253. Cambou B. (1975) - « Application of first­ Ozawa Y. (1984) - « FEADAM84 : a com­
Auvinet G.. Mellah R.. Masrouri F. (1999) - order uncertainty analysis in the finite puter program for Finite element Ana­
« Stochastic finite element analyses in element method in linear elasticity ». lysis of Dams ». Research report n°
geomechanics ». Proceedings. Vlllth Proceedings, Second International SU/GT/84-03, Department of Civil Engi­
International Conference on Applica­ Conference on Application of Statistics neering, Stanford University, USA. 68p.
tions of Statistics and Probability, and Probability in Soil and Structure Evans D.H. (1967) - « An application of
ICASP8. Melchers & Stewart, eds., 2000 Engineering, Aachen, p. 67-87. numerical integration techniques to sta­
Balkema, Rotterdam, p. 79-85. Cambou B. (1975) - « L'incertitude sur les tistical tolerancing ». Technometrix.
Baecher G.B., lngra T.S. (1981)- «Stochas­ résultats d'un problème de mécanique vol. 9, n° 3, p. 441-456.
tic FEM in settlement predictions ». des sols ou des roches traitées par la Favre J.-L., Genevois B. (1987) - « Analyse
Journal of the Geotechnical Engineering méthode des éléments finis ». Revue de la sécurité des fondations superfi­
Division, ASCE, vol. 107. nc GT4. p.449­ française de géotechnique. n° 1. cielles vis-à-vis d'un défaut de portance :
463. p. 55-64. effet de la variabilité spatiale des para­
Bencheikh M. (1994) - « Éléments finis Cherubini C. (1993) - «The variability of mètres ». Revue française de géotech­
stochastiques pour les écoulements geotechnical parameters ». Probabilities nique n° 39. p. 33-40.
permanents ». Mémoire de DEA. ENSG. and materials-Tests, Models and Appli­ Fenton G.A.. Vanmarcke E.H. (1990) -
INPL, Nancy, 60 p. cations. D. Breysse, ed. Dordrecht, Klu­ « Simulation of random fields via local
Benjamin J.R., Comell C.A. (1970) - Proba­ wer Academic Publishers, p. 69-80. average subdivision ». Journal of Engi­
bility, statistics and decisions for civil Chowdhury R.N., Xu D.W. (1993) - « Ratio­ neering Mechanics, vol. 116, n° 8, p. 1733­
engineers. New York, McGraw-Hill, nal polynomial technique in slope relia­ 1749.
p. 151-189. bility analysis ». Journal of the Geotech­ Flores Macias O. (1994) - « Modèles fiabi-
Benmansour A. (1996) - « Fiabilité des nical Engineering Division, ASCE, listes et mécaniques : éléments finis sto­
conduites enterrées ». Thèse de docto­ vol. 119, n° 12, p.1910-1928. chastiques. Méthodes de couplage et
rat, ENSG-INPL, Nancy, 232 p. Cochran W.G. (1977) - Sampling tech­ applications ». Thèse doctorale, univer­
Bittnar Z., Sejnoha J. (1996) - « Numerical niques. John Wiley and Sons Inc. sité Biaise Pascal, Clermont-Ferrand.
Methods in Structural Mechanics ». Cornell A.C. (1971) - « First order uncer­ Flores Macias O., Lemaire M. (1997) -
ASCE Press. Thomas Telford. tainty analysis of soils deformation and « Éléments finis stochastiques et fiabilité
Bolle A. (1988) - « Approche probabiliste stability ». Proceedings, First Internatio­ ». Revue française de génie civil, vol. 1,

78 en mécanique des sols avec prise en

REVUEFRANÇAISEDEGEOTECHNIQUE
N° 93
nal Conference on Applications of Statis­ n° 2, p. 247-284.

4etrimestre 2000
Fogli Μ. (1980) - « L’approche de Monte­ Mellah R., Auvinet G., Masrouri F. (1998) - soil media ». Journal of Geotechnical
Carlo dans les problèmes de sécurité : « Estimation des incertitudes sur les Engineering, ASCE, vol. 114, n° 1,
application à l'estimation probabiliste du résultats de la modélisation par élé­ p. 59-75.
risque de ruine des poutres hypersta- ments finis d'un remblai ». Actes, Rossa, Fry. (1988) - « Exploitation des don­
tiques en béton armé soumises à des 2eConférence nationale sur la Fiabilité nées recueillies sur la digue Aube ».
actions aléatoires statistiques ». Thèse de des matériaux et des structures JN- Électricité de France, rapport interne.
docteur ingénieur, INSA de Lyon, 217 p. Fiab'98".p. 209-218. Rosenblueth E. (1975) - « Point estimates
Griffiths D.V., Fenton G.A. (1993) - « See­ Mellah R.. Auvinet G., Masrouri F. (1998) - for probability moments ». Proceedings,
page beneath water retaining structures « Stochastic Finite Element Method Nat. Acad. Sciences, USA. vol. 72, Octo­
founded on spatially random soil ». Géo­ applied to Non-linear Analysis of ber. p. 3812-3814.
technique, vol. 43. η° 4, p. 577-587. Embankments ». Third International
Kleiber M., Duong Hien T. (1992) - The sto­ Conference on Computational Stochas­ Soulié M., Favre M„ Konrad J.-M. (1983)
chastic finite element method : basic per­ tic Mechanics. CSM'98, Computational - « Analyse géostatistique d'un noyau
turbation technique and computer imple­ Stochastic Mechanics, Spanos, ed., Rot­ de barrage tel que construit ». Cana­
mentation. John Wiley & Sons Ltd, terdam, Balkema, p. 531-537. dian Geotechnical Journal, vol. 20,
321 p. Mellah R. (1999) - « Modélisation stochas­ p. 453-467.
Kondner R.L. (1963) - « Hyperbolic stress- tique par éléments Finis en élastoplasti- Spanos P.D., Ghanem R. (1989) - « Sto­
strain response : cohesive soils ». Jour­ cité appliquée à la géomécanique ». chastic finite element expansion for ran­
nal of the Soil Mechanics and Fondations Thèse doctorale. ENSG-INPL.Nancy. dom media ». Journal of Engineering
Division, ASCE. vol. 89. n° SM1. 115 p. 160p. Mechanics. 115.. p. 499-519.
Lawrence M. (1987) - « Basic random Mellah R., Auvinet G., Masrouri F. (1999) — Su Y.L.. Wang Y.J., Stefanko R. (1969) -
variables in finite element analysis ». « Analyse probabiliste d'un remblai en « Finite element analysis of
International Journal of Numerical terre par la simulation de Monte-Carlo underground stresses utilizing
Methods in Engineering, 24., p. 1849­ ». Récents Progrès en génie des procé­ stochastically simulated material
1863. dés, vol. 13, p. 173-178. properties. Rock Mechanics : theory
Lemaire M. (1997) - « Éléments Finis sto­ Mellah R.. Auvinet G.. Masrouri F. (2000) - and Practice ». Proceedings. 11th United
chastiques et fiabilité ». Revue française a Stochastic Finite Element Method States Symposium on Rock Mechanics,
de génie civil, vol. 1, n° 2, p. 248-284. applied to Non-linear Analysis of Berkeley, Calif., p. 253-266.
López Acosta P. (1999) - « Flujo de agua en Embankments ». Journal of Probabilistic Tang W.H. (1993I - « Recent developments
suelos con permeabilidad aleatoria ». Engineering Mechanics, vol. 15, n° 3, in geotechnical reliability ». Probabilis­
Master degree thesis. DEPFI, UNAM, p. 251-259. tic Methods in Geotechnical Enginee­
Mexico, D.F. Mestat P., Prat M. (sous la direction del ring, Li & Lo, 1993, Rotterdam Balkema,
Magnan J.-P. (1987) - « Programme de cal­ (1999) - Ouvrages en interaction. Cha­ p. 3-27.
cul par la méthode des éléments finis pitre 12 : « Indicateurs d'erreur a priorin Teigen J.G., Frangopol D.M. (1991) - « Pro­
stochastiques (PROBEF) ». Actes, Greco et Chapitre 13 : « Estimateurs d'erreur a babilistic FEM for non-linear concrete
Géomatériaux, Aussois, France. posteriori ». Paris, Hermès Science structures. I : theory ». Journal of Struc­
Magnan J.-P., Bouheraoua A. (1995) - Publications, p. 797-838. tural Engineering. ASCE, vol. 117, n° 9.
« Stochastic analysis of soil consolida­ Mrabet Z. (1999) - « Fiabilité des remblais p. 2674-2689.
tion in theory and practice ». Procee­ homogènes compactés ». Thèse de doc­
dings, Vllth International Conference on torat, ENSG-INPL, Nancy, , 251 p. Vanmarcke E.H., Grigoriu M. (1983) -
Applications of Statistics and Probabi­ Nechnech A. (1994) - a Étude fiabiliste des «Stochastic finite element analysis of
lity, Lemaire, Favre & Mébarki ed., Rot­ murs de soutènement ». Mémoire de simple beams ». Journal of Engineering
terdam, Balkema, p. 77-84. DEA. ENSG-INPL, Nancy. 59 p. Mechanics, ASCE, vol. 109, η° 5, p. 1203­
Magnan J.-P., Bouheraoua A. (1996) - Orlandi S. (1996) - « Método del elemento 1214.
« Analyse probabiliste de la consolida­ finito estocástico en geotecnia : análisis Vanmarcke E.H. (1994)- « Stochastic finite
tion unidimensionnelle des sols ». Revue no lineal ». Master Degree thesis, elements and experimental measure­
française de géotechnique, η° 77, p. 19-30. DEPFI, UNAM, Mexico, 81 p. ments ». Probabilistic Engineering
Matheron G. - (1971) « La théorie des Poiron F., Soize C. (1989) - « Simulation Mechanics, vol. 9, p. 103-114.
variables régionalisées et ses applica­ numérique de champs vectoriels sto­ Yongjian R., Guoqing W„ Derong W„ Jiz-
tions ». Fasc. 5, Ecole nationale supé­ chastiques gaussiens homogènes et non hong S. (1994) - « Application of sto­
rieure des mines. Paris. homogènes ». La Recherche aérospa­ chastic finite element method to
Mathews J., Walker R.L. (1964) - Mathema­ tiale, n° 1, p. 41-61. strength and stability analysis of earth
tical Methods of Physics. Benjamin Righetti G., Harrop-Williams K. (1988) - dams ». Acta Mechanica Solida Sinica,
Publishers. 2eed.. p. 286-298. « Finite element analysis of random vol. 7, n° 1, p. 80-86.

79
REVUEFRANÇAISEDEGEOTECHNIQUE
N° 93
4etrimestre 2000