MétaCan
Menu
Retour à la cohorte
Enregistrement W2010079422 · doi:10.1139/t07-076

Finite element analysis of highway construction in peat bog

2008· article· en· W2010079422 sur OpenAlexvenueno aff
Yong Tan

Notice bibliographique

RevueCanadian Geotechnical Journal · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeatGeotechnical engineeringCreepGeologyLateral earth pressureFinite element methodPileCompactionBogEngineeringStructural engineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Parts of a U.S. Route 44 relocation project span across cranberry bog areas with deep peat deposits. The peat in the proposed roadway side was completely excavated and backfilled with granular soils, and using sheet pile walls as retaining structures. As peat exhibits low strength, high compressibility, and significant creep behavior, the long-term performance of the sheet pile walls was a great concern. To monitor the development of sheet pile deflections and total lateral earth pressures in peat, selected sheet piles located in peat deposits were instrumented with pressure cells and inclinometer casings. Furthermore, to understand the soil–structure interaction mechanism during roadway construction, the finite element (FE) code PLAXIS was employed to continuously model roadway construction in peat deposits. Peat was simulated by a soft soil creep (SSC) model, which can account for creep effects. One of the challenges in this simulation was how to model deep dynamic compaction (DDC), since the enormous momentum induced by DDC would cause local failure of the soil body and consequently result in termination of the program. This problem was satisfactorily solved by using a dynamic approach presented in this paper, and the FE-calculated results were compared with the field measurements. The comparison indicated that FE modeling yields predictions in a good agreement with field measurements and also could provide some reasonable explanations for the field observations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,183
Écart entre enseignants0,176 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations16
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207