Correlations among some clay parameters — the multivariate distribution
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
This paper constructs a 10-dimensional multivariate probability distribution covering 10 clay parameters. The parameters are the liquid limit, plasticity index (PI), liquidity index, effective vertical stress, undrained shear strength, sensitivity, and three piezocone test parameters. A CLAY/10/7490 database is compiled in a companion paper for this purpose. The database consists of 7490 data points from 251 studies. The number of data points associated with each study varies from 1 to 419 with an average 30 data points per study. The clay properties cover a wide range of overconsolidation ratios (but mostly 1∼10), a wide range of sensitivity (S t ) (sites with S t = 1∼tens or hundreds are fairly typical), and a wide range of PI (but mostly 8∼100). The constructed multivariate probability distribution can be used as a prior distribution to derive the joint distribution of design parameters based on limited but site-specific field data. Note that the entire joint distribution of the 10 clay parameters is derived, not marginal distributions or simply means and coefficients of variation. These multiple design parameters can be updated from multiple field measurements, which is more useful than updating one design parameter using one field measurement that is typical in current practice. This paper also demonstrates that it is practical to build multivariate probability models by combining available bivariate models, which are prevalent in the geotechnical engineering correlation literature. The proposed approach circumvents the need to collect multivariate data, which are rarely found in typical site investigation programs.
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 | 0,001 |
| 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