MétaCan
Menu
Retour à la cohorte
Enregistrement W2121458963 · doi:10.1139/t08-002

Sand–rubber mixtures: Experiments and numerical simulations

2008· article· en· W2121458963 sur OpenAlexvenueno aff
Julio R. Valdès, T. Matthew Evans

Notice bibliographique

RevueCanadian Geotechnical Journal · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural rubberDiscrete element methodGeotechnical engineeringStiffnessCompressibilityParticle (ecology)Filtration (mathematics)Deformation (meteorology)Finite element methodMaterials scienceGeologyStructural engineeringEngineeringMechanicsComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

This paper documents the results of laboratory experiments and numerical simulations conducted to examine the behavior of mixtures composed of rubber and sand particles of similar size. Emphasis was placed on assessing the role of loading type on the load-deformation behavior and selecting appropriate parameters for the discrete element modeling of sand–rubber, with relevance to the use of compressible particulate systems for filtration control. Experimental results show that sand–rubber exhibits load–unload hysteresis and residual strains post-unloading due to particle–particle and particle–wall locking effects that arise from sidewall friction. It is shown that the discrete element modeling of sand–rubber requires unconventional schemes because of the stiffness contrast between sand grains and rubber grains. The results have implications in the design of compressible particulate systems for seepage and filtration control and in the development of prediction tools for the field performance soil–rubber, which is finding increased usage in geotechnical and civil engineering infrastructures.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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'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

Citations92
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207