Model for predicting resilient modulus of unsaturated subgrade soil using soil-water characteristic curve
Notice bibliographique
Résumé
Soil suction (ψ) is one of the key factors that influence the resilient modulus (M R ) of pavement subgrade soils. There are several models available in the literature for predicting the M R –ψ correlations. However, the various model parameters required in the existing models are generally determined by performing regression analysis on extensive experimental data of the M R –ψ relationships, which are cumbersome, expensive, and time-consuming to obtain. In this paper, a model is proposed to predict the variation of the M R with respect to the ψ for compacted fine-grained subgrade soils. The information of (i) the M R values at optimum moisture content condition (M ROPT ) and saturation condition (M RSAT ), which are typically determined for use in pavement design practice; (ii) the ψ values at optimum moisture content condition (ψ OPT ); and (iii) the soil-water characteristic curve (SWCC) is required for using this model. The proposed model is validated by providing comparisons between the measured and predicted M R –ψ relationships for 11 different compacted fine-grained subgrade soils that were tested following various protocols (a total of 16 sets of data, including 210 testing results). The proposed model was found to be suitable for predicting the variation of the M R with respect to the ψ for all the subgrade soils using a single-valued model parameter ξ, which was found to be equal to 2.0. The proposed model is promising for use in practice, as it only requires conventional soil properties and alleviates the need for experimental determination of the M R –ψ relationships.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».