CPT-Based Probabilistic Soil Characterization and Classification
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».