MétaCan
Menu
Retour à la cohorte
Enregistrement W1984719903 · doi:10.3141/2057-14

Asphalt Material Characterization in Support of Mechanistic–Empirical Pavement Design Guide Implementation in Virginia

2008· article· en· W1984719903 sur OpenAlexaff
Gerardo W. Flintsch, Amara Loulizi, Stacey D. Diefenderfer, Brian K. Diefenderfer, Khaled Galal

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésGradationAsphaltDynamic modulusAggregate (composite)Asphalt pavementCrackingAsphalt concreteRutCreepFatigue crackingMaterial propertiesModulusMaterials scienceUltimate tensile strengthGeotechnical engineeringCharacterization (materials science)Composite materialStructural engineeringEngineeringDynamic mechanical analysisComputer sciencePolymer

Résumé

récupéré en direct d'OpenAlex

The procedure proposed in the Guide for Mechanistic–Empirical Design of New and Rehabilitated Pavement Structures (referred to as MEPDG) heavily depends on the characterization of the fundamental engineering properties of paving materials. This paper presents the results of a project aimed at the characterization of hot-mix asphalt (HMA) in accordance with the procedure established by MEPDG to support its implementation in Virginia. The project examined the dynamic modulus, the main HMA material property required by MEPDG, as well as creep compliance and tensile strength, which are needed to predict thermal cracking. Loose samples of 11 mixes (four base, four intermediate, and three surface mixes) produced with PG 64-22 binder were collected from different plants across Virginia. Representative samples underwent testing for maximum theoretical specific gravity, asphalt content by the ignition oven method, and gradation of the reclaimed aggregate. Specimens for the various tests were then prepared by use of the Superpave ® gyratory compactor. The test results showed that the dynamic modulus is sensitive to the mix constituent properties (aggregate type, asphalt content, percentage of recycled asphalt pavement, etc.) and that even mixes of the same type (SM-9.5A, IM-19.0A, and BM-25.0) had different measured dynamic modulus values. The Level 2 dynamic modulus prediction equation reasonably estimated the dynamic modulus measured; however, it did not capture some of the differences between the mixes found in the measured data.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,122
Tête enseignante GPT0,411
Écart entre enseignants0,289 · 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'étudeObservationnel
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

Citations26
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207