MétaCan
Menu
Retour à la cohorte
Enregistrement W2016902050 · doi:10.1061/40744(154)135

Back-Wall Grouting using Acrylamide Successfully used in Toronto's Subway

2004· article· en· W2016902050 sur OpenAlexaboutno aff
Luigi Narduzzo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEngineeringShut downLeakage (economics)Civil engineeringPublic transportTrainTransport engineering

Résumé

récupéré en direct d'OpenAlex

Plagued by leakage problems since the time they were constructed, Toronto's underground network of subway tunnels and structures have undergone a major leak remediation program. The spring of 2004 marks the seventh year of a very successfully implemented solution grouting program. This project has been the largest on-going solution grouting project in North America for the last five years. The Toronto Transit Commission's water problems were brought under control with the use of a "back-wall" grouting technique that took into account the multiple phase, multiple stage grouting operations that were anticipated and required to successfully shut off the leakage problems. The water infiltration problems was causing accelerated aging of the rail and rail fastening systems, deterioration and malfunction of electrical systems and their components and decay of the structure itself as well as causing both service delays and concerns for passenger safety. All the work had to be performed during the nightly two-hour maintenance working window without impact to customer service. This paper hopes to provide some helpful insight on the key aspects of this specific sealing system engineered and designed to solve Toronto's subway tunnel and station leakage problems. This successful design continues to be the leak remediation solution of choice for this public transportation authority.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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'étudeSans objet
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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207