MétaCan
Menu
Retour à la cohorte
Enregistrement W1846465020 · doi:10.1061/(asce)gt.1943-5606.0001407

Stiffness and Dilatancy Improvements in Uncemented Sands Treated through MICP

2015· article· en· W1846465020 sur OpenAlexaboutno aff
Sean T. O’Donnell, Edward Kavazanjian

Notice bibliographique

RevueJournal of Geotechnical and Geoenvironmental Engineering · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Applications in Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCementation (geology)DilatantGeotechnical engineeringLoessCarbonateStiffnessSoil stabilizationPenetration (warfare)Soil waterDenitrifying bacteriaGeologyMaterials scienceSoil scienceDenitrificationComposite materialMetallurgyChemistryCementGeomorphologyEngineering

Résumé

récupéré en direct d'OpenAlex

Laboratory testing shows that microbially induced carbonate precipitation (MICP) through microbial denitrification can improve the mechanical properties of a sand without inducing significant interparticle cementation. Consolidated isotropically undrained triaxial compression testing of Ottawa 20–30 sand treated with denitrifying microorganisms shows that, even at low carbonate contents and with no observed cementation, soil treated through MICP exhibits significantly improved stiffness and dilatant behavior. These improvements are also evident when the treated soil is dried, reconstituted, and retested, indicating that the stiffness and dilatant properties of the soil can be improved by MICP in the absence of interparticle cementation, particularly at low strains. However, these improvements may be reduced or eliminated when the soil is reconstituted and tested multiple times. These results indicate that small amounts of MICP can induce significant improvement in treated soils, potentially leading to savings in time and money if this technology is applied in the field.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geotechnical and Geoenvironmental EngineeringMême sujetMicrobial Applications in Construction MaterialsTravaux en français237 207