CPT-Based Probabilistic Soil Characterization and Classification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to lack of soil sampling during conventional cone penetration testing, it is necessary to characterize and classify soils based on tip and sleeve friction values as well as pore pressure induced during and after penetration. Currently available semiempirical methods exhibit a significant variability in the estimation of soil type. Within the confines of this paper it is attempted to present a new probabilistic cone penetration test (CPT)-based soil characterization and classification methodology, which addresses the uncertainties intrinsic to the problem. For this purpose, a database composed of normalized corrected cone tip resistance (qt,1,net) , normalized friction ratio (FR) , fines content (FC), liquid limit (LL), plasticity index (PI), and soil type based on the unified soil classification system was complied. Soil classification was performed by laboratory testing of the standard penetration test disturbed samples retrieved from the boreholes within mostly 2m of each CPT hole. The resulting database was probabilistically assessed through Bayesian updating methodology allowing full and consistent representation of relevant uncertainties, including (1) model imperfection; (2) statistical uncertainty; and (3) inherent variability. As a conclusion, different sets of FC, LL, PI, and A -line boundary curves along with a new CPT-based, simplified soil classification scheme are proposed in the qt,1,net and FR domain. Probabilistic uses of the proposed models are illustrated through a set of illustrative examples.
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.
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 | 0,000 |
| 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 découle