Spreadsheets in Education (eJSiE)

Volume 7 | Issue 2 Article 4

March 2014

Assessment of the Potential for Earthquake-

Induced Liquefaction in Granular Soils
Salah Sadek
American University of Beirut, [email protected]

Shadi Najjar
American University of Beirut, [email protected]

Yassin Mostapha
American University of Beirut

Mostapha Mostapha
American University of Beirut

Follow this and additional works at: http://epublications.bond.edu.au/ejsie

This work is licensed under a Creative Commons Attribution-Noncommercial-No Derivative Works

4.0 License.

Recommended Citation
Sadek, Salah; Najjar, Shadi; Mostapha, Yassin; and Mostapha, Mostapha (2014) Assessment of the Potential for Earthquake-Induced
Liquefaction in Granular Soils, Spreadsheets in Education (eJSiE): Vol. 7: Iss. 2, Article 4.
Available at: http://epublications.bond.edu.au/ejsie/vol7/iss2/4

This Regular Article is brought to you by the Bond Business School at ePublications@bond. It has been accepted for inclusion in Spreadsheets in
Education (eJSiE) by an authorized administrator of ePublications@bond. For more information, please contact Bond University's Repository
Coordinator.
Assessment of the Potential for Earthquake-Induced Liquefaction in
Granular Soils
Abstract
The assessment of the potential for an earthquake-induced loss of strength (liquefaction) of a granular deposit
involves methods which are based on empirical observations, field and lab characterization data and
associated analyses. These methods constitute an evolving state of knowledge/practice and involve systematic
yet tedious data interpretation, reduction, correction and analysis. For one time/one point calculations these
processes can be done by hand, yet they prove to be time consuming with the possibility of introducing
unwanted errors at one or more of the many steps involved. The idea of relying on spreadsheets to address
these shortcomings is not new. However, past efforts have included one method, with some cases ignoring
effects of some important parameters or new methodologies to avoid the added complexity. The approach/
tool developed and presented in this paper (LiqFactory 1.0) was motivated by, and developed and tested in the
context of, a course on geotechnical earthquake engineering with the objective of presenting students with a
platform for exploring and understanding the liquefaction phenomenon and the various state-of-the-practice
tools available to assess it. The tool relies on standard penetration test (SPT) or cone penetration test (CPT)
field test results, soil characteristic properties and earthquake data. Test specific corrections for various field
parameters are applied along with other adjustments associated with soil characteristics/composition. In this
paper, a concise technical background is presented followed by a thorough discussion of different methods
used in programming the spreadsheet and resolving the many problems faced in developing it. In addition, the
criteria used in programming the spreadsheets are presented, and finally an illustrative example application is
provided to showcase the different features of the tool developed.

Keywords
Earthquakes, Granular Soils, Liquefaction, Settlement, Spreadsheets

Distribution License

This work is licensed under a Creative Commons Attribution-Noncommercial-No Derivative Works 4.0
License.

Cover Page Footnote

Acknowledgements The authors would like to acknowledge the Lebanese National Council for Scientific
Research (LNCSR) and the University Research Board (URB) at the American University of Beirut for
funding this work.

This regular article is available in Spreadsheets in Education (eJSiE): http://epublications.bond.edu.au/ejsie/vol7/iss2/4

 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

Assessment of the Potential for Earthquake‐Induced 
Liquefaction in Granular Soils 

Abstract 
The assessment of the potential for an earthquake‐induced loss of strength (liquefaction) of 
a  granular  deposit  involves  methods  which  are  based  on  empirical  observations,  field  and  lab 
characterization  data  and  associated  analyses.  These  methods  constitute  an  evolving  state  of 
knowledge/practice and involve systematic yet tedious data interpretation, reduction, correction 
and analysis. For one time/one point calculations these processes can be done by hand, yet they 
prove to be time consuming with the possibility of introducing unwanted errors at one or more 
of the many steps involved. The idea of relying on spreadsheets to address these shortcomings is 
not new. However, past efforts have included one method, with some cases ignoring effects of 
some  important  parameters  or  new  methodologies  to  avoid  the  added  complexity.  The 
approach/tool  developed  and  presented  in  this  paper  (LiqFactory  1.0)  was  motivated  by,  and 
developed and tested in the context of, a course on geotechnical earthquake engineering with the 
objective  of  presenting  students  with  a  platform  for  exploring  and  understanding  the 
liquefaction  phenomenon  and  the  various  state‐of‐the‐practice  tools  available  to  assess  it.  The 
tool relies on standard penetration test (SPT) or cone penetration test (CPT) field test results, soil 
characteristic  properties  and  earthquake  data.  Test  specific  corrections  for  various  field 
parameters  are  applied  along  with  other  adjustments  associated  with  soil 
characteristics/composition. In this paper, a concise technical background is presented followed 
by  a  thorough  discussion  of  different  methods  used  in  programming  the  spreadsheet  and 
resolving  the  many  problems  faced  in  developing  it.  In  addition,  the  criteria  used  in 
programming the spreadsheets are presented, and finally an illustrative example application is 
provided to showcase the different features of the tool developed. 

Keywords: Earthquakes, Liquefaction, Granular Soils, Spreadsheets. 
   

Published by ePublications@bond, 2014 1

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

1. Introduction and Background 
Soil  liquefaction  has  been  at  the  center  of  Geotechnical  Earthquake  Engineering 
research,  education  and  practice  for  the  last  forty  years  or  so.  This  phenomenon  is 
associated with the generation of large pore‐water pressures in granular soils during 
seismic  shaking,  resulting  in  a  reduction  of  effective  particle  to  particle  contact 
(effective  stress)  and  a  consequent  loss  of  strength.  The  interest  in  studying  the 
phenomenon of liquefaction was sparked by the devastating effects of the Alaska and 
Niigata  earthquakes  (1964)  which  contributed  to  widespread  “liquefaction‐induced” 
damage (Kramer 1995). One of the first approaches suggested to evaluate liquefaction 
potential  was  developed  by  Seed  and  Idriss  (1971;  1982).  Their  “simplified 
procedure” became the standard of practice throughout most of the world.  
In 1996 a workshop was convened by Professors Youd and Idriss with 20 experts to 
review  the  state  of  practice  of  liquefaction  assessment  and  to  develop  consensus  on 
updates  and  revisions  to  the  simplified  procedure.  The  recommendations  of  the 
workshop were published in Youd et al. (2001). 
Liquefaction has been implicated in settlement and structural failure in several recent 
events.  In  1999,  two  major  earthquakes  hit  the  cities  of  Adapazari  and  Kocaeli  in 
Turkey  causing  widespread  soil  liquefaction.  Also  in  1999,  widespread  liquefaction‐
induced damages occurred in the cities of Wu Feng, Yuan Lin and Nantou during the 
Chi‐Chi  (Taiwan)  Earthquake.  In  all  four  cities,  significant  liquefaction‐induced 
settlements  and  bearing  capacity  failures  of  shallow‐founded  structures  were 
documented.  These  new  earthquakes  among  others  provided  additional  data  for 
testing  the  effectiveness  of  the  liquefaction  assessment  procedures  and  updating 
them. A major effort in this direction was made by R. Seed et al. (2003) who analyzed 
results  from  approximately  450  liquefaction  (and  “non‐liquefaction”)  field  case 
histories  and  developed  new  correlations  for  the  likelihood  of  initiation  (or 
“triggering”) of soil liquefaction. Further work was reported by Idriss and Boulanger 
(2008) based on a comprehensive database of liquefaction‐related cases and presented 
a modified method for assessing the initiation of liquefaction in granular soils. 
The  availability  of  a  number  of  methods  for  assessing  liquefaction  potential  in 
granular soils, which in some cases yield contradictory outcomes, has led  practicing 
engineers  to  raise  some  questions  regarding  the  reliability  of  the  results  and 
associated  design  decisions.  Since  most  of  the  available  methods  rely  on  empirical 
graphs,  using  them  typically  favors  a  manual  approach,  where  parameters  are  read 
from  the  appropriate  figures.    This  is  time  consuming,  especially  if  a  number  of 
parameters need to be varied in the liquefaction assessment.  
The  various  methods  and  procedures  presented  in  detail  in  section  2,  were 
programmed  into  a  Microsoft  Excel  spreadsheet  that  automates  the  liquefaction 
analyses, in an attempt to clarify the relative importance of key elements and simplify 
their  use  in  engineering  education  and  practice.  The  user  is  prompted  to  enter  data 
related  to  the  soil  profile  and  properties  in  a  user‐friendly  environment,  and  the 
solution  of  the  liquefaction  analysis  is  presented  for  the  different  methods 
programmed. This allows for a quick and visual assessment/comparison of the results 
of different liquefaction analysis methods for large datasets with minimum effort and 
potential for error. 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 2
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

2. Methods for the Assessment of Liquefaction Potential  
The evaluation of the liquefaction potential of soils necessitates the quantification of 
the  following  two  “parameters”:  (1)  the  seismic  “loading”  imposed  on  a  soil  layer, 
expressed in terms of the Cyclic Stress Ratio (CSR); and (2) the capacity of the soil to 
resist liquefaction, expressed in terms of the Cyclic Resistance Ratio (CRR). The factor 
of safety (FS) against liquefaction could then be defined as the ratio of the CRR to the 
CSR.  The  state‐of‐the‐practice  methods  for  the  assessment  of  liquefaction  potential 
relate  in  situ  soil  indices,  such  as  the  standard  penetration  test  (SPT)  or  the  cone 
penetration test (CPT) or Shear wave velocity measurements, to observed liquefaction 
occurrence or non‐occurrence during major earthquakes. The methods presented in the 
sections  below  are  restricted  to  SPT  and  CPT  based  approaches.  The  nomenclature 
and parameter definitions are used are they appear in the original method/reference. 

2.1. SPT‐Based Liquefaction Approaches 
2.1.1. Youd et al. (2001) Method 
In the method presented by Youd et al. (2001), the CSR is calculated according 
to Equation‐1 as: 
0.65                  (1) 

where amax is the peak horizontal acceleration generated by the earthquake  at 
the ground surface; g is the acceleration of gravity; σvo and σ’vo are the total and 
effective  vertical  stresses  respectively;  and  rd  is  a  stress  reduction  coefficient 
function of the depth below the ground surface, z, in meters: 
1.000 0.4113 . 0.04052 0.001753 .
 
1.000 0.4177 . 0.05729 0.006205 . 0.001210
(2) 
In the method, the Cyclic Resistance Ratio (CRR) for a reference earthquake of 
magnitude  Mw  =  7.5  (CRR7.5)  is  obtained  graphically  from  Figure‐1  as  a 
function  of  the  corrected  standard  penetration  number  (N1)60,  which  is  a 
normalized  value  of  penetration  resistance  to  an  effective  stress  of  1 
atmosphere and 60% efficiency of the driving hammer. As shown in Figure‐1, 
relationships between the CRR and (N1)60 (solid/dashed lines) are provided for 
clean  sands,  sands  with  15%  fines,  and  sands  with  35%  fines.  The  lines 
represent  the  boundaries  between  liquefaction  occurrence  and  non‐occurrence. 
Combinations  of  various  applied  CSRs  and  in‐situ  resistances  (SPT‐(N1)60,  in 
this case) would plot either on, above or below the respective curve indicating 
potential  behavior.  For  example,  Figure‐1  indicates  that  soils  with  (N1)60  ≥  30 
are too dense to liquefy and are as such classified as “non‐liquefiable” in the 
Youd et al. (2001) procedure. 
The Factor of Safety against liquefaction is determined from Equation‐3 which 
incorporates  a  magnitude  scaling  factor  (MSF)  that  allows  the  application  of 
the  procedure  for  earthquakes  with  magnitudes  different  than  7.5,  and  an 
overburden pressure correction factor (Kσ): 
.
            (3) 

Published by ePublications@bond, 2014 3

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

Idriss  (1995)  and  Andrus  and  Stokoe  (1997)  proposed  sets  of  MSF  values  as 
indicated in Table‐1. For earthquakes with magnitudes less than 7.5, Youd et 
al. (2001) recommend that the MSF be taken as the average value from the two 
references.  Otherwise,  the  MSF  is  determined  in  accordance  with  the  Idriss 
(1995) recommendations. 

 
Figure 1: SPT Clean‐Sand Base Curve and Curves for Fines Content = 15% and 35% for 
Magnitude 7.5 Earthquakes with Data from Liquefaction Case Histories (from Youd et al. 2001) 

Youd et al. (2001) recommend that the overburden pressure correction factor 
(Kσ) be evaluated from Equation‐4 such that: 
⁄  
(4) 
where σ’vo is the  effective  vertical stress;  Pa is the atmospheric  pressure (same 
units  as  σ’vo)  and  f  is  an  exponent  that  depends  on  the  site  conditions  as 
reflected  by  the  relative  density  (ref.  Table‐2).  It  should  be  noted  that  the 
relative  density  is  generally  determined  based  on  correlations  with  the 
Standard Penetration N‐value N1,60 (ref. Table‐3). 
   

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 4
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

Table 1: Magnitude scaling factors proposed by Idriss (1995 Seed Memorial Lecture) and 
Andrus and Stokoe (1997) 
MSF (Andrus and 
Mw  MSF (Idriss) Stokoe) 
5.5  2.2  2.8 
6  1.76  2.1 
6.5  1.44  1.6 
7  1.19  1.25 
7.5  1  1 
8  0.84  0.8 
8.5  0.72  0.65 

Table 2: f values as a function of the relative density 

Dr (%)  f 
40  0.8 
60  0.7 
80  0.6 
 

Table 3: Relationship between N1,60 and relative density Dr 

(N1)60  Dr (%)  (N1)60  Dr (%) 

3  30  20  70 
6  40  25  80 
10  50  30  90 
14  60     

2.1.2. Seed et al. (2003) Method 
In  the  Seed  et  al.  (2003)  method,  the  Cyclic  Stress  Ratio  (CSR*)  is  given  by 
Equation‐5: 

∗
1 1
0.65  
(5) 
where  rd  is  defined  as  the  nonlinear  stress  reduction  coefficient  and 
determined  from  Figure‐2,  DWFM  is  the  magnitude‐correlated  duration 
weighting  factor  given  by  Figure‐3a,  and  Mw  is  the  earthquake  magnitude. 
The factor Kσ is referred to as the overburden correction factor which could be 
evaluated from Figure‐3b as a function of the vertical effective stress σ’v. 
The  Cyclic  Resistance  Ratio  (CRR)  for  the  Seed  et  al.  (2003)  method  is 
determined  based  on  a  probabilistic  approach,  where  the  relationships 
between  CRR  and  N1,60,cs  for  different  probabilities  of  liquefaction  are 
presented  in  Equation‐6.  The  parameter  N1,60,cs  is  calculated  according  to 
Equations 7 to 10 as a function of the fines content (FC) and N1,60 such that: 
 

Published by ePublications@bond, 2014 5

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

, ∗ 1 0.004 ∗ 29.53 ∗ ln 3.7 ln 0.05 ∗ 16.85 2.7∅

 
13.32

(6) 
. , ,  
(7) 

Where  C 1     for FC ≤ 5%    (8)

  C 1 0.004 FC 0.05 for FC ≥ 5% and FC ≤ 35%   (9)

,

  N . , N , 6 for FC ≥ 35% (10)

 
Seed et al. (2003) recommend the use of a probability of liquefaction of 15% in 
the determination of the CRR to evaluate a factor of safety against liquefaction 
FSliq=CRR/CSR*  that  is  considered  equivalent  to  conventional  deterministic 
approaches for liquefaction assessment.  

 
Figure 2: Mean and   1 Standard Deviation rd Values for Response Analyses for 2,153 
Combinations of Site Conditions and Ground Motions (Seed et al. 2003). 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 6
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

 
            (a)                       (b) 
Figure 3: (a) Recommended magnitude‐correlated duration weighting factor as a function of 
N1,60 and (b)Values of K as a function of σ’v (Seed et al. 2003) 

 
2.1.3. Idriss and Boulanger (2008) Method 
In the Idriss and Boulanger (2008) liquefaction approach, the cyclic stress ratio 
(CSR*) that is corrected for Mw = 7.5 and σ’v = 1 atm is given by Equation‐11 as: 
1 1
. , 0.65  
(11) 
where  rd  is  calculated  using  equations  12  to  14  as  a  function  of  z  and  the 
earthquake magnitude as:  
      (12)

  1.012 1.126 5.133     (13)

11.73
  0.106 0.118 5.142     (14)
11.28
MSF is the magnitude scaling factor given by Equation 15 as: 
  (15)
6.9 exp 0.058 1.8   
4
Kσ is the overburden correction factor given by Equations 16 and 17: 
 
1 ln 1.1    (16)

  1
0.3    (17)
18.9 2.55

Published by ePublications@bond, 2014 7

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

The Cyclic Resistance Ratio (CRR) in the Idriss and Boulanger (2008) approach 
is calculated according to Equation‐18 as a function of (N1)60cs which includes a 
correction for fines content FC as indicated in Equation‐19. 

. , exp 2.8  
14.1 126 23.6 25.4
(18) 
9.7 15.7
exp 1.63  
0.01 0.01
(19) 
The Factor of Safety against liquefaction is then determined as: 
  . ,
    (20)
. ,
 

2.2. Comparison of SPT‐blow Corrections between the Three Methods 
The  correction  factors  of  the  field  SPT  N‐value  as  recommended  by  each  of  the 
three methods are presented in Table 4. CN is the correction factor for overburden 
pressure, CR is  the  correction factor  for rod length, CS is  the correction factor for 
the  sampler,  CE  is  the  correction  factor  for  the  hammer  efficiency  and  CB  is  the 
correction factor for the borehole diameter. 
 

2.3. CPT‐Based Liquefaction Approaches 

2.3.1. Youd et al. (2001) Method 
Youd  et  al.  (2001)  presented  a  CPT‐based  liquefaction  procedure  that  is 
founded on the Robertson and Wride (1998) method for direct determination 
of CRR for clean sands (FC< 5%) from CPT data (Figure‐5). They also included 
a correction factor for “grain characteristics” for sands with fines. Adjustments 
for fines are based on combinations of sleeve friction ratios and tip resistances 
in such a manner that the “clean sand” boundary curve of Figure‐5 is adjusted 
based  on  a  composite  parameter  IC  (Youd  et  al.  2001).  The  recommended 
“fines” correction is a nonlinear function of IC, and ranges from a factor KC = 
1.0 at IC = 1.64, to a maximum value of KC = 3.5 at IC = 2.60.  
 
   

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 8
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

Table 4: Correction factors of SPT‐blow recommended by each of the three methods 

  Cetin & Seed  (2004)  Idriss & Boulanger (2008)  Youd et al. (2001) 

CN    
. . ,
. 2.2
,   , 
,   1.2
. . .

  ,   1.7 
1.7   
1.7 
 
CR   0.75  Rod length < 3 m  0.75  Rod length < 3 m 

0.80  Rod length 3 – 4 m  0.80  Rod length 3–4 m 

0.85  Rod length 4 – 6 m  0.85  Rod length 4–6 m 

0.95  Rod length 6 – 10 m  0.95  Rod length 6–10 m 

1.00  Rod length 10–30 m  1.00  Rod length 10–30 m 

CS   Standard Standard Standard  1 

1  1 
Sampler  Sampler  Sampler   
Non‐ , Non‐ , Non‐
1 1
Standard  100 Standard  100 Standard 1.2 
Sampler  1.1 1.3 Sampler  1.1 1.3 Sampler 

CE  
     
60% 60% 60%
CB  1.00  65mm B 115mm  1.00  65mm B 115mm  1.00  65mm B 115mm 

1.05  B = 150 mm  1.05  B = 150 mm  1.05  B = 150 mm 

1.15  B = 200 mm  1.15  B = 200 mm  1.15  B = 200 mm 

   

Published by ePublications@bond, 2014 9

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

 
Figure 5: Curve Recommended for Calculation of CRR from CPT Data along with Empirical 
Liquefaction Data from Compiled Case Histories (Youd et al. 2001, Reproduced from Robertson 
and Wride 1998) 

 
Seed et al. (2003) state that the CPT‐based correlation of Robertson and Wride 
is slightly unconservative for clean sands, especially at high CSR, and that it is 
very  unconservative  for  soils  of  increasing  fines  content  and  plasticity.  This 
was  verified  by  comparison  with  newer  CPT‐based  correlations  that  are 
presented and described in the sections that follow and which were based on 
more  recent  liquefaction  case  histories  where  liquefaction  was  observed  in 
sites with CPT soundings. 
As a result of the above shortcomings, a decision was made not to include the 
CPT‐based  liquefaction  procedure  presented  in  Youd  et  al.  (2001)  in  this 
paper.  

2.3.2. Seed et al. (2003) Method  
In  the  CPT‐based  liquefaction  method  proposed  by  Seed  et  al.  (2003),  the 
Cyclic Resistance Ratio (CRR) is determined based on a probabilistic approach 
as a function of a modified normalized CPT tip resistance qc,1,mod, as presented 
in  Figure‐6.  The  normalized  CPT  tip  resistance  qc,1,mod  is  calculated  using 
Equation‐21 which includes a correction for fines content reflected in the CPT 
friction ratio Rf such that:  
  , , , Δ     (21)
where  qc,1=Cq.qc  is  the  normalized  tip  resistance  and  qc  is  a  correction  factor 
for the presence of fines. The factor Cq is calculated as Cq=(Pa/’v)c, where Pa is 
the atmospheric pressure and c is an exponent that is calculated from Figure‐
7a as a function of Rf and qc,1. The fines correction factor qc is given in Figure‐
7b, also as a function of Rf and qc,1. It should be noted that the friction ratio to 
be  used  in  Figure‐7  is  defined  as  Rf=100x(fs,1/qc,1).  The  normalized  sleeve 
friction  is  calculated  as  fs,1=Cf  fs  ,  where  Cf  is  a  correction  factor  that  is 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 10
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

determined  as  Cf=(Pa/’v)s  ,  where  s  is  an  exponent  that  is  determined  from 
Figure‐7a. 

 
Figure 6: Contours of 5%, 20%, 50%, 80% and 95% Probability of Liquefaction as a Function of 
Equivalent Uniform Cyclic Stress Ratio and Fines‐Modified CPT Tip Resistance (Mw=7.5, 
ʹv=1atm.) 

qc=0  qc=1.7  qc=4.2 

 
                           (a)            (b) 
Figure. 7: (a) Recommended CPT tip and sleeve normalization exponents, and (b) 
Recommended CPT tip resistance modification for “fines content and character” as a function of 
qc,1 and Rf. 

Published by ePublications@bond, 2014 11

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

As with their SPT‐based approach, Seed et al. (2003) recommend the use of a 
probability of liquefaction of 15% in the determination of the CRR to evaluate 
a  factor  of  safety  against  liquefaction  FSliq=CRR/CSR*  that  is  equivalent  to 
conventional deterministic approaches for liquefaction assessment.  
 
2.3.3. Idriss and Boulanger (2008) Method 
In the CPT‐based Idriss and Boulanger (2008) liquefaction approach, the cyclic 
resistance ratio (CRR) is calculated according to the following equation: 
  (22)
. , exp 3  
540 67 80 114
where qc1Ncs is given as a function of qc1N = CNqc/Pa and the fines content FC: 
9.7 15.7
5.4 . exp 1.63  
16 0.01 0.01
(23) 
where the normalization constant CN is calculated as: 
. . .
 
1.7    (24)

The factor of safety against liquefaction is then calculated according to: 
  . ,
    (25)
. ,

3. Methods for the Assessment of Liquefaction‐Induced Settlements  
Liquefaction  is  typically  associated  with  considerable  settlements  which  may  cause 
significant  damage  to  structures  and  infra‐structure.  As  such,  and  in  order  to 
complete  the  assessment  of  the  response  of  a  given  site  to  seismic  shaking,  an 
estimation  of  the  liquefaction‐induced  settlements  is  typically  required.  Calculation 
methods for liquefaction‐induced settlements in sands generally utilize SPT data as a 
basis  for  settlement  prediction.    Commonly  used  SPT‐based  settlement  prediction 
methods  are  presented  in  sections  3.1  and  3.2  below  for  cases  involving  dry  (sands 
above the water table) and wet sands (sands below the water table), respectively. For 
cases where the data available is limited to CPT soundings, the correlation presented 
in Figure‐8 could be utilized to estimate the SPT N‐value from the CPT tip resistance 
qc as a function of the mean grain size D50.   

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 12
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

 
Figure 8: Correlation between the mean grain size and the ratio of the CPT tip resistance to the 
SPT N‐value (after Robertson et al. 1983 and Ismael and Jeragh 1986). 

3.1. Settlement Calculations for Dry Sand 
The  settlement  estimates  for  dry  granular  materials  are  obtained  from  the 
procedure presented in Tokimatsu and Seed (1987). In this procedure, the Cyclic 
Shear Stress (τav) is initially calculated as:  
  0.65     (26)

where rd is the stress reduction coefficient that is calculated from Equation‐2. The 
Shear Modulus (Gmax) is then calculated as a function of the normalized SPT value 
N1 such that: 
 
/
447     (27)

where  po  is  the  reference  atmospheric  pressure  taken  as  95.76  KPa  and  p  is  the 
effective stress calculated as p=0.67z, where  is the soil’s unit weight and z is the 
depth at which p is estimated. The Cyclic Shear Strain () is then calculated from 
Equation‐28 calculated as follows: 
  1
    (28)
1

where a = 0.0389(p/po)+0.124 and b = (6400p/po)‐0.6.  
The  Volumetric  Strain  (εNc)  is  then  calculated  according  to  Equation‐29  as  a 
function of Nc = (M‐4)2.17 and ε15 = (N1/20)‐1.2  such that: 
.
 
    (29)
15

Published by ePublications@bond, 2014 13

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

Eventually, the dry settlement (ΔS) is calculated as a function of the thickness of 
the layer Δh as: 
  Δ 2Δ     (30)
 

3.2. Settlement Calculations for Wet Sand 
The  calculation  of  the  settlement  in  “wet  sands”  is  done  in  accordance  with  the 
method proposed by Ishihara and Yoshimi (1992). First, the normalized SPT (N1)60 
is converted into relative density Dr using Table‐3. Second, the Maximum Cyclic 
Shear Strain (γmax) is calculated from Figure‐9a (Zhang et al., 2004) as a function of 
the  factor  of  safety  against  liquefaction.  Then  the  Volumetric  Strain  (εv)  is 
calculated  from  Figure‐9b  (Ishihara  &  Yoshimi  1992)  as  a  function  of  the 
maximum shear strain. Finally, the settlement is calculated according to Equation‐
31: 
    (31)
100
where εv is the volumetric strain and dz is the thickness of the layer. 

 
                                         (a)                 (b) 

Figure 9: (a) Relationship between cyclic shear strain and factor of safety and (b) relationship 
between volumetric strain and cyclic shear strain value.    

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 14
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

4. LiqFactory v1.0 Spreadsheet 
As  was  evident  from  the  previous  sections,  the  methods  available  for  liquefaction 
assessment are quite complex and tedious to implement. We recognized the need to 
provide  students  with  an  accessible  platform  for  using,  testing  and  practice‐driven 
understanding  of  these  methods.  The  main  objective  was  to  provide  a  state  of  the 
practice  platform  for  teaching  and  real‐world  applications.  The  tool  would  allow  a 
quick  solution  of  any  liquefaction  related  problem  using  various  reputed  and 
acknowledged methods, and for an easy and point by point comparison of the results 
they  yield.  A  spreadsheet‐based  approach  was  selected  as  the  most  accessible  and 
effective solution. The information provided and the format it is presented in should 
allow  for  a  clearer  understanding  of  the  “hazard”  and  a  more  reliable  and 
comprehensive  decision  making  process  in  reference  to  the  need  for,  and  extent  of, 
mitigation measures. 
It is important to note here that the developed spreadsheet was done in the context of 
an educational activity. It came as a result of discussions and feedback with students 
at  the  completion  of  a  course  on  geotechnical  earthquake  engineering,  where  the 
methods  for  evaluating  liquefaction  potential  were  introduced.  The  intricacies  and 
complexities of implementation of these methods on multiple points/depths within a 
soil  profile  were  highlighted  in  the  student  feedback.  The  use  of  “black‐box” 
commercial software, which cover some but not all the methods presented, was seen 
by  some  students  as  effective,  but  did  not  allow  them  to  appreciate/understand  the 
various  input  variables,  assumptions  and  procedures  involved.  The  tool  described 
herein has since been used to support that same course with very positive reactions 
from the students. 

4.1. Graphical User Interface (GUI) Forms 
The  procedures  presented  in  the  previous  sections  for  the  assessment  of 
liquefaction potential and liquefaction‐based settlements were programmed into a 
spreadsheet that was equipped with a user‐friendly graphical user interface. The 
different components of the interface are presented in the sections below. 
4.1.1. Soil Profile 
The user is first asked to fill the “Edit Soil Profile” form. It allows the input of 
the  subsurface  profile  for  the  case  to  be  analyzed.  A  capture  of  this  form  is 
presented  in  Figure‐10.  The  user  inputs  the  number  of  soil  layers  within  the 
profile. The number of layers is entered using the “Update” button. If the user 
wants  to  edit  the  number  of  soil  layers  at  a  later  stage,  he/she  can  do  that 
using the “Edit” button. Information about the water table is entered next. The 
depth of the water table is taken from the level of the ground surface.  
The next step involves entering the properties of the different layers. For each 
layer, the user enters all the parameters as shown in Figure‐10. The “Layer #” 
drop box allows the user to select the layer. The box directly next to the drop 
box  is  the  color  used  by  the  sheet  to  represent  the  selected  layer.  The  color 
assigned to any layer can be changed by scrolling and selecting.  

Published by ePublications@bond, 2014 15

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

 
Figure 10: Screen shot of the “Edit Soil Profile” form. 

In addition  to the color, the user has to enter four parameters for each layer. 
These  are:  the  depth  to  the  bottom  of  the  layer  measured  from  the  ground 
surface,  the  unit  weights  above  and  below  the  water  table,  and  the  average 
fines  content.  Note  that  the  last  layer  is  considered  to  have  infinite  depth 
although  the  form  asks  for  a  value  in  order  to  represent  it  in  the  “User 
Interface”  Sheet.  To  update  the  values  to  the  selected  layer,  the  user  should 
press “Update Layer”. Eventually, when the user enters the values for the last 
layer, the “Generate Profile” button becomes activated. This button draws the 
user’s soil profile on which the analyses will be based. The form tests for odd 
values  like  negative  numbers,  letters  and  the  like.  The  “Reset  All”  button 
deletes all the values in the form and the spreadsheet’s memory. 
4.1.2. Earthquake Data 
The form in which the user inputs the earthquake data is presented in Figure‐
11.  Two  parameters  are  of  interest  when  it  comes  to  studying  liquefaction. 
These are the earthquake magnitude and the peak horizontal ground surface 
acceleration.  The  latter  should  be  input  as  a  multiple  of  the  gravitational 
acceleration “g”. 

 
Figure 11: Screen shot of the “Edit Earthquake Data” form. 

4.1.3. SPT Data 
The  “Add  SPT  Data”  form  is  shown  in  Figure‐12.  The  SPT  data  is  input  in 
columns.  The  first  column  includes  the  depth  while  the  second  includes  the 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 16
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

corresponding field (uncorrected N) or corrected (N1,60) SPT number. A third 
column should include the fines content associated with each depth.  

 
Figure 12: Screen shot of the “Add SPT Data” form. 

The  “data  sheet”  drop  box  allows  users  to  select  the  sheet  in  which  the  data 
are found. Once the sheet is selected, it will automatically be activated. Once 
the sheet is activated, the users can select the depth range, the associated SPT 
N‐values,  and  the  associated  fines  content  using  the  typical  Excel  range 
selection  method.  Note  that  users  have  the  option  of  entering  either  field  or 
corrected SPT number of blows. In case the field SPT values are entered, then 
they should also enter the borehole diameter, rod length and efficiency ratio in 
the  corresponding  text  boxes  as  shown  in  Figure‐12  to  allow  for  the 
computation of the appropriate correction factors. Moreover, the user needs to 
determine  whether  the  sampler  is  standard  or  not  using  the  check  box.  The 
form  checks  if  the  number  of  data  in  each  range  is  the  same  once  the  “OK” 
button is pressed. 

4.1.4. CPT Data 
The  procedure  for  adding  CPT  data  is  similar  to  that  of  the  SPT.  The  user 
selects the sheet in which the relevant data is found. Then, they need to select 
the  ranges  of  the  depth,  cone  penetration  tip  resistance,  and  sleeve  friction 
(Figure‐13). 

Published by ePublications@bond, 2014 17

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

 
Figure 13: Screen shot of the “Add CPT Data” form. 

4.1.5. Draw Graphs 
Figure‐14  shows  the  “Draw  Graphs”  form  that  allows  the  user  to  plot  the 
results  of  the  liquefaction  assessment  based  on  both  SPT  and  CPT  data.  The 
users  have  two  options  in  which  they  would  either  plot  a  default  layout  for 
the  graphs  (as  arranged  in  the  “Available  graphs”  list)  or  change  this  layout 
using  the  arrow  buttons  between  the  two  lists  (i.e.  “Available  graphs”  and 
“Graphs to be drawn” lists). Note that users can only select the graphs that are 
of  interest  to  them  when  choosing  the  “Choose  the  graphs  and  their  order” 
option.  After  deciding  on  a  certain  option,  the  users  can  draw  the  graphs 
using  the  “Draw  SPT  Graphs”  button.  Similarly,  users  can  plot  the  graphs 
related to CPT data by selecting the “CPT” tab. The users can also delete the 
existing  graphs  by  selecting  the  option  button  “Choose  the  graphs  and  their 
order:”  and  pressing  directly  on  “Draw  SPT/CPT  Graphs”  button  while 
leaving the “Graphs to be drawn” list empty. 

 
Figure 14: Screen shot of the “Draw Graphs” form. 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 18
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

4.1.6. Compute Settlements 
Figure‐15  shows  the  “Compute  Settlements”  form.  The  users  select  to 
compute settlements based on either SPT or CPT data. If CPT data is used, the 
user  should  enter  the  mean  grain  size  D50  to  be  used  in  the  correlation 
presented in Figure‐8 to convert the CPT tip resistance into an equivalent SPT 
N‐value.  

 
Figure 15: Screen shot of the “Compute Settlements” form 

4.2. Programming Challenges and Assumptions 
To limit the length of this paper, the discussion related to the programming effort 
that  was  associated  with  designing  the  spreadsheet  from  a  computational 
perspective  will  be  restricted  to  the  challenges  and  assumptions  that  were 
faced/made. Where relevant, the code that was developed to solve the challenges 
is presented. 
4.2.1. SPT‐Based Methods 
A  common  challenge  that  was  faced  in  almost  all  the  methods  was  the  need 
for  finding  mathematical  expressions  that  would  represent  some  of  the 
graphical solutions that required programming. In general, the solution to this 
challenge  was  through  digitization  of  empirical  relationships  and  using 
numerical  fitting  schemes.  Examples  of  relationships  which  required 
digitization  in  the  SPT‐based  methods  are  the  relationships  required  to 
estimate  rd,  DWF,  Ksigma,  and  CRR.  In  what  follows  is  a  brief  presentation  of 
some useful expressions that resulted from that effort.  
rd‐mean (Seed et al. 2003) 
The  curve  of  rd(mean)  was  digitized  from  Figure‐2  and  a  5th  order  polynomial 
was  used to  determine  a relationship between the depth z  and the  reduction 
factor  rd  (Equation‐32).  The  expression  which  provides  z  as  a  function  of  rd 
was  found  to  provide  a  better  fit  to  the  graphical  relationship  as  opposed  to 
the  more conventional approach in  which rd is established  as a function of  z. 
The challenge in solving for rd using Equation‐32 was solved by writing a code 
that iterates for rd in the range of  0.2  and 1.1 until  the calculated depth from 
Equation‐32 is equal to the desired depth z at which rd is required. Note that a 
traditional relationship that would result in a value of rd as a function of depth 
could  have  been  used;  however,  the  accuracy  of  the  results  in  this  case  was 
found to be smaller than the procedure implemented in the spreadsheet.  

Published by ePublications@bond, 2014 19

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

z  9941.6rd   40637rd   66574rd   54499rd   22312rd   3690.5  

5 4 3 2
  (32)

 
DWF and Ksigma (Seed et al. 2003) 
A  similar  procedure  was  followed  in  digitizing  the  curves  which  relate  the 
duration weighting factor DWFM with the earthquake magnitude in Figure‐3a 
and the overburden correction factor Ksigma to the vertical effective stress ’v (in 
psf) in Figure‐3b. Power functions were used to fit the curves once digitized. 
This resulted in the relationships presented in Equations 33 and 34:  

DWFM  92.487M w 
2.251
    (33)

  
K sigma  7.69 20885 .46 v' 
0.268
   (34)

 
CRR Curve (Seed et al. 2003) 
The  solution  of  Seed  et  al.  (2003)  for  determining  a  relationship  between  the 
CRR and N1,60,CS  is probabilistic in nature and was presented for  probabilities 
of  liquefaction  of  5%,  20%,  50%,  80%,  and  95%.  However,  Seed  et  al.  (2003) 
recommend  a  probability  of  liquefaction  of  15%  to  be  equivalent  to  the 
deterministic  approaches.  To  estimate  the  curve  that  corresponds  to  the  15th 
percentile liquefaction potential, a manual curve was interpolated and drawn 
between  the  5th  and  20th  percentile  curves  and  the  image  with  the  new 
interpolated curve was scanned and saved. The scanned image was then used 
to  digitize  the  15th  percentile  liquefaction  curve  and  a  6th  order  polynomial 
(Equation‐35) was used to provide a best fit for the relationship between CRR 
and the corrected SPT blow count N1,60,CS:  
CRR  2e 10 N 1, 60 ,CS   2e 8 N 1, 60 ,CS   1e 6 N 1, 60 ,CS   2e 5 N 1, 60 ,CS   4e 4 N 1, 60 ,CS   9e 4 N 1, 60 ,CS 
6 5 4 3 2

(35)
 
CRR curve (Youd et al. 2001) 
The solution of the SPT‐based Youd et al. (2001) method as reflected in Figure‐
1 includes curves for clean sands, sands with a fines content of 15% and sands 
with  a  fines  content  of  35%.  To  program  the  graphical  solution  into  the 
spreadsheet,  mathematical  relationships  were  derived  for  cases  with 
intermediate  fines  content  (at  intervals  of  2.5%  for  FC  between  5%  and  15% 
and  at  intervals  of  5%  for  FC  between  15%  and  35%)  as  illustrated  in 
Equations 36 to 45. The curves for intermediate fines content were drawn by 
hand,  digitized,  and  fitted  with  2nd  degree  polynomials.  Since,  the  upper 
bound of these relationships includes the case with N1,60 of 30, it was assumed 
in  the  spreadsheet  that  the  cyclic  resistance  ratio  (CRR)  is  equal  to  0.6 
whenever N1,60 was greater than 30. On the other hand, when N1,60 is less than 
30,  Equations  36  to  45  are  used  to  relate  between  CRR  and  N1,60  for  different 
fines contents.  The code takes FC = 5% as a lower bound and FC = 35% as an 
upper  bound.  It  is  worth  noting  that  Equations  36  to  45  present  N1,60  as  a 
function  of  the  CRR.  This  decision  was  made  to  produce  better  fits  for  the 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 20
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

curves in Figure‐1 and the solution of these equations could be obtained using 
the procedure presented to solve for rd,mean in the section above.  

N1,60  154.45CRR  143.18CRR  3.9327

2
For FC <= 5%,    (36)
 
N1,60  139.54CRR  133.53CRR  3.9347
2
For FC > 5% and FC <= 7.5%    (37)
 
N1,60  135.96CRR  129.93CRR  4.4052
2
For FC > 7.5% and FC <= 10%    (38)
  
N1,60  132.19CRR  126.65CRR  4.9595
2
For FC > 10% and FC <= 12.5%    (39)
 
N1,60  125.99CRR  121.83CRR  5.3565
2
For FC > 12.5% and FC <= 15%    (40)
 
N1,60  127.40CRR  121.53CRR  5.6843
2
For FC > 15% and FC <= 20%    (41)
 
N1,60  125.73CRR  119.27CRR  6.0563
2
For FC > 20% and FC <= 25%    (42)
 
N1,60  126.94CRR  118.41CRR  6.3398
2
For FC > 25% and FC <= 30%    (43)
 
N1,60  119.80CRR  114.5CRR  6.6814
2
For FC > 30% and FC <= 35%    (44)
 
N1,60  119.80CRR  114.5CRR  6.6814
2
For FC > 35%      (45)
 
         
4.2.2. CPT‐Based Methods 
A  major  challenge  was  faced  in  programming  the  CPT‐based  procedure 
presented in Seed et al. (2003) in relation to calculating the tip exponent c and 
the sleeve exponent s, which are needed to correct the tip resistance qc and the 
sleeve friction fs. The exponents could be obtained graphically from Figure‐7a 
as a function of the friction ratio Rf and the normalized tip resistance qc,1. Since 
the  calculation  of  qc,1  and  Rf  requires  knowledge  of  c  and  r,  an  iterative 
solution was required to determine these exponents.  
As a first step in the solution, the curves of the tip exponent c and the sleeve 
exponent s were separated into two figures as indicated in Figure 16a and 16b 
below. For each graph, 9 curves representing different values of c and s were 
interpolated between the 4 curves published in Seed et al. (2003) to bring the 
total  number  of  curves  in  each  graph  to  13.  A  total  of  26  curves  were  then 
digitized  in  preparation  for  fitting  mathematical  expressions  to  them.  In  the 
process, and because of the logarithmic scale, it was noticed that the best fit to 
the  curves  is  obtained  if  each  of  the  curves  is  split  into  two  parts:  the  first 
representing  friction  ratios  Rf  between  0.1%  and  1%  and  the  second 
representing Rf values between 1% and 10%. Hence, a total of 52 mathematical 
expressions were used to model the curves in Figure‐16.  
The solution to the iteration problem starts from a first guess for the exponent 
c, calculating Rf (from the 52 equations), and comparing it to the actual Rf. The 
programmed function loops for the other values and calculates a new Rf each 
time until the difference between the calculated Rf and the actual Rf  becomes 
small. The lower bound for c and s is 0.35 whereas the upper bound is 1. 

Published by ePublications@bond, 2014 21

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

                    (a)                 (b) 

Figure 16: Interpolated curves for (a) Tip Exponent c, and (b) Sleeve Exponent s 

4.2.3. Settlement Calculations 
Conversion from CPT to SPT (wet settlement) 
Equation‐46  shows  the  mathematical  expression  that  was  used  to  fit  the 
correlation between CPT and SPT as presented in Figure‐8. It should be noted 
that  the  lower  bound  for  the  ratio  qc/100N  was  taken  as  1  while  the  upper 
bound was taken as 8. 
  qc
 7.6508D50 
0.2801
  (46)
100 N
 
Maximum Cyclic Shear Strain (γmax, wet settlement) 
The  relationship  between  the  maximum  shear  strain  max  and  the  factor  of 
safety  FS  is  presented  in  Figure‐9a  with  different  relationships  shown  for 
different  relative  densities.  To  model  the  graphical  solution  using 
mathematical equations, the relationship for each relative density was divided 
into three different parts: the first part represents the low values of the factor 
of safety where max is assumed to be a constant. For this part, the value of max 
is interpolated between the given curves according to the relative density (Dr). 
The second part is for intermediate factors of safety with an upper bound of 1. 
In this part, the relationship between FS and max is assumed to be linear and 
accordingly  the  curves  were  digitized  and  fitted  with  linear  functions  that 
were used as a basis of the interpolation according to the value of Dr. The last 
and  third  part  is  for  FS  greater  than  1.  The  relationship  between  FS  and  max 
was considered to be linear and independent of Dr. As a result, only one curve 
was  digitized  and  fitted  with  a  linear  function  to  represent  the  relationship 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 22
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

between FS and max. The upper bound for the relative density was taken as Dr 
= 90% whereas the lower bound was taken as Dr = 40%. 
Volumetric Strain (εv , wet settlement)  
A  similar  approach  was  used  to  represent  the  graphical  solution  of  the 
volumetric strain (Figure‐9b) using mathematical expressions. In the process, 
the  curves  were  divided  into  two  linear  segments.  The  first  linear  part 
represents  maximum  cyclic  shear  strain  max  less  than  8%  where  linear 
interpolation  was  used  to  obtain  results  for  different  relative  densities.  The 
second segment is for max greater than 8%, where for a specific value of Dr, εv 
is constant regardless of the value of max. In the formulation, the upper bound 
is taken as Dr = 90% whereas the lower bound is taken as Dr = 40%. 

5. Illustrative Example  
This  section  is  dedicated  to  demonstrate  the  use  of  the  Software  through  an 
illustrative  example.  The  example  is  based  on  a  real‐world  project  where  a 
liquefaction  assessment  was  required,  and  which  is  used  as  a  hands‐on  application 
exercise in the geotechnical earthquake engineering course.  

5.1. Soil Profile and Properties 
The  case  study  under  investigation  involves  a  site  located  along  the  Lebanon 
coast. The top 5 to 6 meters of the site are reclaimed from the sea and consist of fill 
that  could  be  characterized  as  a  medium  dense  to  dense  silty  sand  with  gravels 
and  cobbles.  The  fill  is  underlain  by  natural  soils  that  consist  of  very  loose  to 
dense  silty  and  clayey  sands  up  to  depths  of  about  17  to  18m.  A  relatively  hard 
marl/limestone  layer  exists  under  the  silty/clayey  sands.    A  representative  soil 
profile  is  shown  in  Figure‐17.  Note  that  the  water  table  is  taken  to  be  at  ground 
level. Standard penetration test and cone penetration test data were available for 
the  site.  The  available  data  is  presented  in  Figure‐18  and  Figure‐19  for  SPT  and 
CPT  tests,  respectively.    Information  about  fines  content  and  unit  weight  is 
presented in Figure‐17.  

Published by ePublications@bond, 2014 23

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

 
Figure 17: Soil profile of the illustrative example 

The first step consists of inputting the general soil properties and the earthquake 
data  into  the  spreadsheet.  This  step  is  completed  following  the  instructions 
indicated in Sections 4.1.1 and 4.1.2. The second step is to enter the SPT and CPT 
data as indicated in Sections 4.1.3 and 4.1.4. The software automatically performs 
the  necessary  computations  and  a  summary  of  the  results  of  the  liquefaction 
assessment is obtained for the SPT and the CPT‐based methods, respectively. The 
user is then prompted to select corresponding graphs for the SPT and CPT‐based 
results and to obtain the vertical settlement based on either the SPT or CPT data. 

5.2. SPT‐based Methods 
The output of  the liquefaction assessment  is  presented in Figure‐18 for  the  three 
SPT‐based  liquefaction  methods.  The  output  consists  of  two  sets  of  graphs:  the 
first set summarizes the input properties including the soil profile in addition to 
graphs showing the variation of field SPTs, corrected SPTs, and fines content with 
depth. The second set includes the variation of the CSR and the CRR with depth 
for  the  different  methods  in  addition  to  the  variation  of  the  resulting  factor  of 
safety with depth. For the example considered, the earthquake magnitude Mw was 
taken to be equal to 7.5 and the Peak Ground Acceleration was taken as 0.25g as 
indicated in the applicable local codes of practice.  

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 24
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

Field SPT N‐Value (NField) Corrected SPT N‐Value(N1,60) Fines Content (%)

Soil Profile
0 25 50 75 100 125 0 25 50 75 100 125 0 10 20 30 40 50
0 0 0 0
1 1 1 Seed et al. (2003) 1
Idriss & Boulanger (2008)
2
Dense Grey Silty SAND w. Gravels and Cobbles  2 2 Youd and Seed (1997)
2
(FILL)
3 3 3  
3
  4 Medium Dense Grey Silty SAND w. Gravels (FILL)
4 4 4
5 5 5 5
Grey Silty/Clayey Sand
 

6 6 6 6
Depth (m)

Depth (m)

Depth (m)
7 Dense Light Brown Silty SAND
7 7 7
8 8 8 8
Figure 17: Soil profile of the illustrative example  
9 V. Loose to loose Light Brown Clayey SAND 9 9 9
10 10 10 10
11 11 11 11
12 Medium Dense Light Brown to Reddish 12 12 12
13 Brown Clayey SAND 13 13 13
14 14 14 14
15 15 15 15
16 Dense Light Brown Clayey SAND 16 16 16
17 17 17 17

Factor of Safety against
CSR* or CRR CSR* or CRR CSR* or CRR Liquefaction
(Seed et al. 2003)  (Idriss & Boulanger 2008) (Youd et al. 2001)) 0.0 0.5 1.0 1.5 2.0
0 0.1 0.2 0.3 0.4 0.5 0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0
0 0 0 1 Seed et al. (2003)
1 CSR* 1 CSR* 1 CSR* 2 Idriss & Boulanger (2008)
2 2 2 3 Youd and Seed (1997)
CRR CRR CRR
3 3 3 4
4 4 4 5
5 5 5 6
6 6 6 7

Depth (m)
Depth (m)

Depth (m)

Depth (m)

7 7 7 8
8 8 8 9
9 9 9 10
10 10 10 11
11 11 11 12
12 12 12 13
13 13 13 14
14 14 14 15
15 15 15 16
16 16 16 17
17 17 17
Figure 18: Results of Liquefaction Analysis using SPT‐based Methods 

Published by ePublications@bond, 2014 25

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

Results shown in Figure‐18 indicate factors of safety against liquefaction that are 
less  than  1.0  at  a  depth  of  5.0m  and  at  depths  between  8.0  and  13.0m.  These 
depths  were  characterized  by  relatively  low  SPT  values  (generally  less  than  15). 
For  this  particular site,  the risk of liquefaction  as  reflected in the factor  of safety 
was  similar  for  the  three  SPT‐based  methods,  despite  slight  variations  in  the 
magnitudes  of  the  computed  factors  of  safety  at  different  depths.  It  should  be 
noted  that  whenever  the  computed  factor  of  safety  was  greater  than  2,  it  was 
plotted as 2 in the output graphs so as not to disrupt the scale of the x‐axis in the 
figure. 
In general, results indicate that the method of Seed et al. (2003) results in factors of 
safety that are generally smaller than those calculated by the other two methods. 
The  difference  however  is  generally  in  the  range  of  10%  to  20%.  The  largest 
difference  in  the  calculated  factors  of  safety  between  the  three  methods  was 
observed for a depth of 14.5m, where the factor of safety was calculated as 1.47 for 
the Seed et al. (2003) method, 1.75 for the Idriss and Boulanger (2008) method, and 
about 2.0 for the Youd et al. (2001) method. 
Despite some differences in the calculated factors of safety, all SPT‐based methods 
predicted the depths at which liquefaction is probable.  

5.3. CPT‐based Methods 
The  CPT  sounding  presented  in  Figure‐19  was  used  to  predict  the  liquefaction 
potential at the site using the CPT‐based methods of Seed et al. (2003) and Idriss 
and Boulanger (2008). The variations of the cone penetration resistance qc and the 
friction ratio fs with depth are  also presented in Figure‐19,  which constitutes the 
output  graph  for  the  CPT‐based  analysis.  As  with  the  SPT‐based  methods,  the 
output  also  includes  the  variation  of  the  CSR  and  the  CRR  with  depth  for  the 
different methods in addition to the variation of the resulting factor of safety with 
depth. 
The  results  of  the  CPT‐based  liquefaction  analysis  indicate  the  potential 
occurrence  of  liquefaction  between  depths  of  5m  and  6m  and  at  depths  below 
9.0m,  where  relatively  low  cone  trip  resistance  values  qc  were  measured.  Both 
methods  predicted  liquefaction  at  the  above‐mentioned  depths,  with  the 
calculated  factors  of  safety  at  all  depths  being  relatively  similar  indicating 
consistency  in  the  results  of  the  two  CPT‐based  methods  for  this  particular 
example.  
A thorough examination of the results on Figure‐19 indicate that the Seed et al. (2003) 
method  resulted  in  slightly  lower  factors  of  safety  at  relatively  shallow  depths  in 
comparison  to  the  Idriss  and  Boulanger  (2008)  method,  while  the  latter  resulted  in 
slightly lower factors of safety at relatively larger depths. 
 
 
 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 26
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

   

  Friction Ratio, Rf(%)
Cone Resistance, qc (MPa)
Soil Profile 0 1 2 3 4 5
0 5 10 15 20 25 30 35 40
 

0
0 0
1
1 1
2
2
Dense Grey Silty SAND w. Gravels and Cobbles  2
(FILL) 3
3 3
4
4 Medium Dense Grey Silty SAND w. Gravels (FILL)
4
5
5 5
Grey Silty/Clayey Sand 6
6 6

Depth (m)
7
Depth (m)

7 Dense Light Brown Silty SAND

7
8
8 8
9
9 V. Loose to loose Light Brown Clayey SAND 9
10
10 10
11
11 11
12
12 Medium Dense Light Brown to Reddish 12
Brown Clayey SAND
13
13 13
14
14 14
15
15 15
16
16 Dense Light Brown Clayey SAND 16
17
17  
17
 

CSR* or CRR
CSR* or CRR
CSR* or CRR
CSR* or CRR
CSR* or CRR CSR* or CRR Factor of Safety Against
Factor of Safety Against
(Idriss & Boulanger 2008)
(Idriss & Boulanger 2008)
(Idriss & Boulanger 2008)
(Idriss & Boulanger 2008)
(Seed et al. 2003) (Idriss & Boulanger 2008) Liquefaction
Liquefaction
0 0 0 00.1
0.1 0.20.10.2
0.30.20.3
0.1 0.2
0.40.30.4
0.2 0.3
0.50.40.5
0.3 0.4
0.60.50.60.6
0.4 0.5
0.5 0.6
0 0.1
0 0.1 0.2 0.3 0.4 0.50 0.60 00 0.0 0.0 0.5 0.5 1.0 1.0 1.5 1.5 2.0 2.0
0
0 1 1 11 0 0
1
1 2 2 22 1 1 Seed et al. (2003)
Seed et al. (2003)
2
2 3 3 33 2 2
3 Idriss & Boulanger (2008)
Idriss & Boulanger (2008)
3 4 4 44 3 3
4
4 5 5 55 4 4
5
5 6 6 66 5 5
6
  6 6
(m)
Depth (m)

6
Depth (m)

7 7 77
Depth (m)
Depth(m)

7
Depth (m)
Depth (m)
Depth (m)

7 8 8 88 7 7
  8
8 8
Depth

8 9 9 99
9
9 10 10 1010 9 9
  10
10 11 11 1111 10 10
11
11 12 12 1212 11 11
  12
12
13 13 1313 12 12
13
13 14 14 14 13 13
  1414 CSR*CSR* CSR*
CSR*14 14
14 15 15 15 CSR*
CSR* 1515
15 16 16 16 CRR CRR CRR
CRR 15 15
  1616 CRR
16 CRR
17 17 17 16 16
1717
17 17 17
 
Figure 19: Results of Liquefaction Analysis using CPT‐based Methods 

   

Published by ePublications@bond, 2014 27

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

5.4. Settlement Computation 
The  excel‐based  tool  documented  in  this  paper  can  calculate  the  vertical 
settlement based on SPT data. This can be done through using the SPT data (Youd 
et  al.  2001)  directly  or  by  converting  the  CPT  data  to  SPT  data.  The  software 
detects the  position  of the  water table and  calculates the dry  settlement above  it 
and the wet settlement below it. In this example the water table is at the ground 
level  so  only  the  wet  settlement  is  calculated  for  the  different  layers.  Table  5 
shows the output of  the vertical settlement that  is  calculated using  the SPT data 
directly. The total settlement is around 16.4 cm. 
Table 5: Settlement computation based on SPT 

    Settlement in Wet Soil  Total Settlement 
Depth (m)  N1,60  FS  Dr  γmax (%)  εv  Δs (m)  Σ Δs (m) 
3  64.22  3.06  90  0  0  0.000  0.000 
4  40.92  2.75  90  0  0  0.000  0.000 
5  16.11  1.10  63.4  2.3  0.71  0.007  0.007 
6  19.24  1.37  69.1  1.2  0.32  0.003  0.010 
7  57.43  2.24  90  0  0  0.000  0.010 
8  2.33  0.27  30  51.3  4.42  0.044  0.055 
8.5  11.42  0.63  53.8  31.2  3.15  0.016  0.070 
11  16.61  0.90  64.3  5.4  1.64  0.041  0.111 
13  14.46  0.83  60.2  8  2.66  0.053  0.164 
14.5  24.71  2.03  79  0  0  0.000  0.164 
15.5  29.22  2.07  88.1  0  0  0.000  0.164 
16.5  85.48  2.11  90  0  0  0.000  0.164 

6. Conclusions 
In  this  paper,  a  spreadsheet  that  is  equipped  with  a  user‐friendly  graphical  user 
interface  was  developed  to  provide  an  efficient  tool  for  analyzing  liquefaction 
problems using state‐of‐the‐knowledge methods that are available in the literature for 
assessing  the  liquefaction  potential  of  granular  soils.  The  technical  background 
associated with the spreadsheet was presented and the challenges associated with the 
development of the spreadsheet were discussed. A step‐by‐step procedure for using 
the  spreadsheet  is  presented  to  facilitate  the  use  of  the  software  by  engineers  or 
engineering  students.  Finally,  a  real‐world  practical  example  was  introduced  to 
illustrate  the  added  value  brought  by  the  spreadsheet  and  to  provide  users  with  an 
idea of the results that could be obtained from the spreadsheet. 
   

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 28
 Sadek et al.: Earthquake-Induced Liquefaction in Granular Soils

7. References 
Andrus,  R.D.,  and  Stokoe,  K.H.,  II.  (1997).  ”Liquefaction  Resistance  Based  on  Shear 
Wave  Velocity”,  Proceedings,  NCEER  Workshop  on  Evaluation  of  Liquefaction  Resistance 
of  Soils,  National  Center  for  Earthquake  Engineering  Research.,  State  University  of 
New York at Buffalo, 89–128. 
Cetin,  K.O.,  Seed,  R.B.,  Kiureghian,  A.D.,  Tokimatsu,  K.,  Harder,  L.F.,  Kayen,  R.E., 
and  Moss,  R.E.S.  (2004).  “Standard  Penetration  Test‐Based  Probabilistic  and 
Deterministic  Assessment  of  Seismic  Soil  Liquefaction  Potential”,  Journal  of 
Geotechnical and Geoenvironmental Engineering, ASCE, Vol.130, 1314‐1340. 
Idriss, I. M. (1995). H. B. Seed Memorial Lecture, Univ. of CA, Berkeley. 
Idriss,  I.  M.  and  Boulanger,  R.  W.  (2008).  “Soil  Liquefaction  during  Earthquakes”, 
Earthquake Engineering Research Institute (EERI), Oakland, California. 
Ishihara,  K.,  and  Yoshimi  M.  (1992).  “Evaluation  of  Settlements  in  Sand  Deposits 
following  Liquefaction  during  Earthquakes”,  Soils  and  Foundations,  Vol.  32,  No.  1, 
173–188. 
Ismael,  N.  F.,  and  Jeragh,  A.  M.  (1986).  “Static  Cone  Tests  and  Settlement  of 
Calcareous Desert Sands”, Canadian Geotechnical Journal, Vol. 23, 297–303. 
Kramer, S. L. (1995). “Geotechnical Earthquake Engineering”, Prentice Hall PTR, pp. 653. 
Pradel,  D.  (1998).  “Procedure  to  Evaluate  Earthquake‐Induced  Settlements  inn  Dry 
Sandy Soils”, Journal of Geotechnical and Geoenvironmental Engineering, ASCE, Vol. 124, 
No. 4, 364‐368. 
Robertson,  P.  K.,  Campanella,  R.  G.,  and  Wightman,  A.  (1983).  “SPT‐CPT 
correlations”, Journal of Geotechnical Engineering, ASCE, Vol. 109, No.11, 1449–1459. 
Robertson,  P.  K.,  and  Wride,  C.  E.  (1998).  “Evaluating  Cyclic  Liquefaction  Potential 
Using the Cone Penetration Test”, Canadian Geotechnical Journal, Vol. 35, 442‐459. 
Seed, H. B. and Idriss, I. M. (1971). “Simplified Procedure for Evaluating Liquefaction 
Potential”,  Journal  of  the  Soil  Mechanics  and  Foundations  Division,  ASCE,  Vol.107, 
No.SM9, 1249‐1274 
Seed,  H.  B.  and  Idriss,  I.  M.  (1982).  “Ground  Motions  and  Soil  Liquefaction  During 
Earthquakes”,  Earthquake  Engineering  Research  Institute  (EERI),  Oakland, 
California.  
Seed, R.B., Cetin, K.O., Moss, R.E.S., Kammerer, A.M., Wu, J., Pestana, J.M., Riemer, 
M.F., Sancio, R.B., Bray,  J.D., Kayen, R.E.,  and  Faris,  A.  (2003). “Recent  Advances in 
Soil  Liquefaction  Engineering:  A  Unified  and  Consistent  Framework”,  Earthquake 
Engineering Research Center (EERC), Long Beach, California. 

Tokimatsu,  K.,  and  Seed  Η.  Β.  (1987).  “Evaluation  of  Settlements  in  Sand  due  to 
Earthquake  Shaking”,  Journal  of  Geotechnical  Engineering,  ASCE,  Vol.  113,  No.  8.pp. 
861‐878. 
Youd, T.L., Idriaa, I.M., Andrus, R.D., Argano, I., Castro, G., Christian, J.T., Dobry, R., 
Liam Finn, W.D., Harder, L.F. Jr., Hynes, M.E., Ishihara, K., Koester, J.P., Liao, S.S.C., 

Published by ePublications@bond, 2014 29

 Spreadsheets in Education (eJSiE), Vol. 7, Iss. 2 [2014], Art. 4

Marcuson, W.F. III., Martin G.R., Mitchell, J.K., Moriwaki, Y., Power, M.S., Robertson, 
P.K.,  Seed  R.B.,  and  Stokoe,  K.H.  II.  (2001).  “Liquefaction  Resistance  of  Soils: 
Summary  Report  from  the  1996  NCEER  and  1998  NCEER/NSF  Workshops  on 
Evaluation  of  Liquefaction  Resistance  of  Soils”,  Journal  of  Geotechnical  and 
Geoenvironmental Engineering, ASCE, Vol. 127, No. 10, 819‐833. 
Zhang,  G.,  Robertson,  P.K.,  and  Brachman,  R.W.I.  (2004).  “Estimating  Liquefaction‐
Induced  Lateral  Displacements  using  the  Standard  Penetration  Test  or  Cone 
Penetration Test”, Journal of Geotechnical and Geoenvironmental Engineering, ASCE, Vol. 
130, No. 8, 861‐871. 
 
 

http://epublications.bond.edu.au/ejsie/vol7/iss2/4 30