DEVELOPMENT OF STOCHASTIC FRAMEWORK FOR SELECTING GEOTECHNICAL DESIGN PARAMETERS IN COASTAL INFRASTRUCTURE PROJECTS. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (MSc Thesis) Henok Alemayehu Mamo MS Thesis Report.pdf - Accepted Version Restricted to Repository staff only until 28 December 2026. Available under License Creative Commons Attribution. Download (9MB)

Arabic Abstract

يتضاعف التباين الكامن في سلوك التربة وزيادة عدم اليقين في المناطق الساحلية. لذلك، فإن مناهج التصميم الحتمية، التي تعتمد على قيمة ثابتة واحدة، لا تستطيع التقاط هذه الشكوك. يهدف هذا البحث إلى تطوير إطار عمل لتعزيز تصميم البنية التحتية باستخدام تقنيات عشوائية لاختيار معلمات التصميم الجيوتقني. من المتوقع أن يقدم الإطار المقترح نهجا أكثر واقعية لاختيار المعلمات من خلال قياس عدم اليقين، وتحسين الموثوقية، وتسهيل التصميم المستند إلى المخاطر. تشمل التقنيات العشوائية الشائعة التي تم استكشافها في هذا البحث محاكاة مونتي كارلو (MCS)، التي تقيس احتمال الفشل من خلال أخذ عينات عشوائية؛ نمذجة الحقول العشوائية (RFM)، التي تأخذ في الاعتبار التغيرات المكانية؛ التصميم القائم على الموثوقية (RBD)؛ والإحصاء الجغرافي. إلى جانب هذه التقنيات العشوائية، يمكن استخدام طرق تحسين مثل خوارزمية الوراثة (GA)، تحسين سرب الجسيمات (PSO)، ومستعمرة النحل الصناعية (ABC). يهدف هذا البحث إلى دمج تقنيات مختلفة وتطوير إطار عمل حولها لاختيار المعلمات الجيوتقنية. أظهرت خصائص التربة في الموقع تشتتا بنسبة 20-50٪، مما يؤكد الحاجة إلى نهج احتمالي. يولد الإطار توزيعات احتمالية لمعلمات التصميم الرئيسية ويستكشف مفاضلات السلامة والتكلفة من خلال تحسين متعدد الأهداف، مما ينتج واجهة باريتو في حلول التصميم. تظهر النتائج أن التصميم العشوائي المحسن يمكن أن يضاهي أو يتجاوز سلامة التصميم الحتمي التقليدي مع تحسين الكفاءة. حقق الحل الأمثل لدراسة الحالة موثوقية أعلى من التصميم التقليدي. تم تحقيق هذا الاعتماد من خلال تصميم فعال من حيث التكلفة. تظهر النتائج جدة الجمع بين تقنيات المحاكاة العشوائية المتعددة مع تحسين اختيار المعلمات الجيوتقنية في البيئات الساحلية، مما ينتج عنه إطار عمل معتمد يعزز سلامة التصميم وكفاءة التكلفة للبنية التحتية الساحلية.

English Abstract

The inherent variation in soil behavior and increased uncertainties is amplified in coastal region. Therefore, deterministic design approaches, which rely on a single fixed value, fall short in capturing these uncertainties. This research aims to develop a framework for enhancing infrastructure design by using stochastic techniques to select geotechnical design parameters. The proposed framework is expected to deliver a more realistic approach for parameter selection by quantifying uncertainty, improving reliability and facilitating risk informed design. Common stochastic techniques explored in this research include Monte Carlo Simulation (MCS), which quantifies probability of failure through random sampling; Random Field Modeling (RFM), which accounts for spatial variation; Reliability Based Design (RBD); and Geo-statistics. Together with these stochastic techniques, there are optimization methods such as Genetic Algorithm (GA), Particle Swarm Optimization (PSO) and Artificial Bee colony (ABC) can be used. This research aims to combine different techniques and develop a framework around it for geotechnical parameter selection. Soil properties at the site showed a 20-50% scatter, confirming the need for probabilistic approach. The framework generates probability distributions of key design parameters and explores safety-cost tradeoffs via multi-objective optimization yielding a Pareto front of design solutions. Results demonstrate that the optimized stochastic design can match or exceed the safety of conventional deterministic design while improving efficiency. The case study’s optimal solution achieved higher reliability than conventional design. This reliability gain was attained with a cost-effective design. The findings show the novelty of combining multiple stochastic simulation techniques with optimization for geotechnical parameter selection in coastal settings, resulting in a validated framework that enhances design safety and cost efficiency for coastal infrastructure.

Item Type:	Thesis (Masters)
Subjects:	Civil Engineering > Geotechnical Engineering Engineering
Department:	College of Design and Built Environment > Civil and Environmental Engineering
Committee Advisor:	Aziz, Mubashir
Committee Members:	Naqvi, Syed Umair Ali and Ali, Usman
Depositing User:	HENOK MAMO (g202320430)
Date Deposited:	28 Dec 2025 12:14
Last Modified:	28 Dec 2025 12:14
URI:	http://eprints.kfupm.edu.sa/id/eprint/143915