MétaCan
Menu
Retour à la cohorte
Enregistrement W2019881938 · doi:10.1061/(asce)cr.1943-5495.0000054

Review of Effectiveness and Costs of Strategies to Improve Roadbed Stability in Permafrost Regions

2012· article· en· W2019881938 sur OpenAlexafffund
Jonathan D. Regehr, Craig Milligan, Jeannette Montufar, Marolo Alfaro

Notice bibliographique

RevueJournal of Cold Regions Engineering · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesTransport Canada
Mots-clésPermafrostLeveeGeotechnical engineeringEnvironmental scienceFoundation (evidence)Serviceability (structure)Civil engineeringGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

This paper reviews the effectiveness and costs of strategies to improve roadbed stability in permafrost regions, based on a synthesis of literature findings. Roadbeds in permafrost regions experience instability when the embankment loading and its heat absorption properties degrade the permafrost foundation. A variety of engineering strategies are used to mitigate this effect. The review summarizes the rationale, effectiveness, and costs of four types of strategies, namely those that control roadbed thawing, cool the roadbed, insulate the roadbed, and reduce roadbed fill weight. The literature reveals that strategies to control roadbed thawing, insulate the roadbed, or reduce roadbed fill weight do not reverse the long-term degradation of permafrost foundations. Strategies that cool the roadbed by implementing air convection embankments, ventilation ducts, thermosiphons, heat drains, or combinations of these are effective in reducing embankment temperatures and stabilizing the roadbed. Costs vary by geographic and climatic conditions and the proximity of materials to the construction site. Reported data suggest that conducting normal maintenance is less expensive than implementing roadbed cooling strategies, but maintaining serviceability may not be feasible.

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)0,005
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,026
Tête enseignante GPT0,255
Écart entre enseignants0,229 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cold Regions EngineeringMême sujetClimate change and permafrostTravaux en français237 207