Evaluation of a modification of current microsurfacing mix design procedures
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
Although microsurfacing is widely used, current tests and mix design methods mostly rely on laboratory conditions and the correlation between laboratory results and field performance is poor. Therefore, there is a need to develop new mix design procedures, specifications, and guidelines for microsurfacing mixtures. The research described in this paper intended to suggest modifications to the actual International Slurry Seal Association (ISSA) mix design procedure for microsurfacing. The first part of study reports the findings of a detailed laboratory investigation concerning the effect of asphalt emulsion, added water content, and Portland cement on the design parameters and properties of microsurfacing mixtures. A multilevel factorial design is used to assess the effect of different mixture proportions on the test responses. For this, one aggregate type, one asphalt emulsion type or grade, and one aggregate gradation were used in the study. This part of study consisted mainly of establishing a method for preparing and testing microsurfacing mixture using four main mixture design tests proposed by the ISSA (TB 139, TB 113, TB 100, and TB 109). The results obtained with ISSA TB 109 and ISSA TB 100 mixture design tests were found highly variable and not precise enough to suggest optimum mix design. For the second part of this study, different tests were also studied to refine the current mix design procedure. The results have shown that ISSA TB 139 can be used to define the optimum water content at which samples should be tested, and that ISSA TB 147 mix design test should be used to define the optimum asphalt emulsion content.
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 | 0,001 | 0,001 |
| 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