MétaCan
Menu
Retour à la cohorte
Enregistrement W2017988640 · doi:10.1139/cgj-2014-0040

Sensitivity of lightweight deflectometer deflections to layer stiffness via finite element analysis

2014· article· en· W2017988640 sur OpenAlexvenueno aff
Christopher T. Senseney, Jacob G. Grasmick, Michael A. Mooney

Notice bibliographique

RevueCanadian Geotechnical Journal · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeflection (physics)Falling weight deflectometerStiffnessFinite element methodModulusStructural engineeringMaterials scienceGeotechnical engineeringVertical deflectionSensitivity (control systems)DeflexionYoung's modulusGeologyEngineeringComposite materialOpticsSubgradePhysics

Résumé

récupéré en direct d'OpenAlex

A dynamic finite element (FE) model of lightweight deflectometer (LWD) loading on a two-layer soil system, validated with an analytical solution and experimental data, is presented. Peak dynamic FE vertical deflections can be substantially different (almost always smaller) than FE static deflections. The numerically simulated measurement depth of the LWD center sensor is found to be 2–2.5 times the plate diameter, deeper than other experimental studies. Using the FE model, we conduct a sensitivity analysis of peak vertical deflections to the top layer Young’s modulus and underlying Young’s modulus of two-layer systems. Peak deflections from the center sensor are found to be more sensitive to the top layer Young’s modulus while peak deflections at radial offsets are found to be more sensitive to the underlying layer Young’s modulus. Sensitivities of layer moduli to FE deflections offer guidance in selecting weighting factors for the inverse solver in an LWD back-calculation procedure.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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'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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetStructural Health Monitoring TechniquesTravaux en français237 207