Asphalt Material Characterization in Support of Mechanistic–Empirical Pavement Design Guide Implementation in Virginia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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