MétaCan
Menu
Retour à la cohorte
Enregistrement W2115546212 · doi:10.1139/t08-066

Similarity of soil variability in centrifuge models

2008· article· en· W2115546212 sur OpenAlexvenueno aff
L. L. Zhang, Limin Zhang, W. H. Tang

Notice bibliographique

RevueCanadian Geotechnical Journal · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCentrifugeSpatial variabilitySimilarity (geometry)Geotechnical engineeringSampling (signal processing)Soil scienceEnvironmental scienceField (mathematics)MathematicsGeologyComputer scienceStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

The soil specimen in a centrifuge model is subject to spatial variability depending on the method of sample preparation and the stress field induced by the centrifugal acceleration, even though it is intended to be uniformly prepared. In contrast to extensive measurements for studying the variability of in situ soil properties, soil variability in centrifuge models, especially that which is based on data at very close sampling distances, is less understood. In this paper, the variability of soil density in two centrifuge models is presented. Random field theory is adopted to characterize the spatial soil variability in the two centrifuge models. The importance of taking spatial variability parameters as a model similarity requirement in centrifuge model design is illustrated and discussed. It is demonstrated that, although centrifuge models of different sizes can be designed to simulate the same prototype, the prototypes these models actually represent are not identical in terms of soil spatial variability. To achieve similarity in spatial variability between a centrifuge model and its prototype, one may need to control either the point coefficient of variation or the scale of fluctuation of the model soil so that the coefficients of variation of the spatially averaged soil property in the model and the prototype are the same.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,189
Écart entre enseignants0,174 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations19
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetSoil and Unsaturated FlowTravaux en français237 207