MétaCan
Menu
Retour à la cohorte
Enregistrement W2124943472 · doi:10.1139/t04-115

Influence of fines on frost heave characteristics of a well-graded base-course material

2005· article· en· W2124943472 sur OpenAlexvenueno aff
J.‐M. Konrad, N Lemieux

Notice bibliographique

RevueCanadian Geotechnical Journal · 2005
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKaoliniteFrost heavingGeotechnical engineeringFrost (temperature)Soil waterWater contentAggregate (composite)GeologyMineralogyMaterials scienceSoil scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The influence of fines on the frost susceptibility of base-course crushed aggregates was established by laboratory freezing tests simulating closely the thermal conditions in the field. The frost susceptibility of the fines was varied by use of different mixtures of granitic fines and commercially available kaolinite clay. A total of 13 samples with fines content of 5%, 10%, and 15% and kaolinite fractions of 10%, 50%, 75%, and 100% were subjected to four freeze–thaw cycles. The frost susceptibility of well-graded crushed aggregates increases with increasing fines content and increasing kaolinite fraction. From a quantitative point of view, for a given kaolinite fraction, the segregation potential increases linearly with fines content, until the fines create a matrix in which the coarser particles are embedded. For the material studied, this occurs when the fines content is higher than 15%. For a given fines content, it was also established that the segregation potential increases linearly with kaolinite fraction, indicating the importance of mineralogy. It was also established that appropriate thermal testing conditions need to be adopted to prevent undue pore water extraction from the unfrozen soil close to the frost front during laboratory freezing of unsaturated coarse-grained soils.Key words: coarse grained, soil, frost susceptibility, pavements, laboratory, fines.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,993

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,018
Tête enseignante GPT0,223
Écart entre enseignants0,205 · 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.

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

Citations101
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetClimate change and permafrostTravaux en français237 207