MétaCan
Menu
Retour à la cohorte
Enregistrement W2157559874 · doi:10.1139/l02-101

Fracture toughness of polymer-modified asphalt concrete at low temperatures

2003· article· en· W2157559874 sur OpenAlexvenueno aff
Kwang W Kim, Seung Jun Kweon, Young S. Doh, Tae‐Soon Park

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesKangwon National University
Mots-clésMaterials scienceAsphaltLow-density polyethyleneComposite materialFracture toughnessAsphalt concretePolymerToughness

Résumé

récupéré en direct d'OpenAlex

The fracture toughness of asphalt concrete increases at low temperature and then decreases at temperatures below a certain level. Some polymers are known to have the property of improving the temperature susceptibility of asphalt binder at low temperatures. Therefore, this study evaluated the fracture toughness (KIC) of some polymer-modified asphalt concretes. Low-density polyethylene (LDPE), styrene–butadiene–styrene (SBS), and a mixed polymer of LDPE and SBS were used in this study. The fracture toughness KIC of normal asphalt concrete was compared with that of polymer-modified asphalt (PMA) concrete, and the effectiveness of polymer modification against falling values of KIC was evaluated at low temperatures. The results showed that PMA concretes, in general, showed better KIC than normal asphalt concretes, and the temperature at which the highest KIC was obtained was lower than that in the case of normal asphalt concrete. Therefore, the PMA concretes evaluated in this study had better fracture resistance than normal asphalt at low temperatures.Key words: asphalt concrete, polymer-modified asphalt, PMA, fracture toughness, differential thermal contraction, low-temperature damage.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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'étudeExpérimental (laboratoire)
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

Citations84
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207