MétaCan
Menu
Retour à la cohorte
Enregistrement W2103610158 · doi:10.1139/l10-095

Mechanistic road upgrade structural design evaluation using rapid triaxial frequency sweep testing and linear elastic modeling

2010· article· en· W2103610158 sur OpenAlexaffvenueabout
Jing Xu, Curtis Berthelot

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDeflection (physics)Linear elasticityRutStructural engineeringTriaxial shear testFalling weight deflectometerGeotechnical engineeringSubgradeEngineeringFinite element methodAsphaltMaterials science

Résumé

récupéré en direct d'OpenAlex

Saskatchewan Ministry of Highways and Infrastructure employ modified Shell nomographs for flexible pavement thickness design. These modified design nomographs for typical 1970s Saskatchewan field state conditions are based on the local calibration of Shell design curves. However, the modified Shell nomographs are not applicable for the design of recycled pavement systems, particularly full depth reclamation and granular base strengthened systems. This paper presents a mechanistic based thickness design methodology using linear elastic road modeling and a field validation study based on granular base stabilization and strengthening pilot project on Control Section (C.S.) 15-11 in Saskatchewan. The mechanistic methodology of this research included triaxial frequency sweep dynamic modulus and Poisson’s ratio characterization of various strengthened materials taken from the C.S. 15-11 test sections, pavement structural modeling using linear elastic theory, and calculating critical pavement design strain responses. As demonstrated in this research, strengthened pavement structures can be evaluated and designed based on mechanistic testing and linear elastic modeling results. The modeling results revealed rutting and shoving failure concurred with the field performance observed. Predicted primary deflection responses also concurred with those quantified in the field using a non-destructive falling weight deflectometer.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,034
Tête enseignante GPT0,221
Écart entre enseignants0,187 · 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'étudeObservationnel
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

Citations3
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207