MétaCan
Menu
Retour à la cohorte
Enregistrement W2157679039 · doi:10.1061/9780784479087.238

Strength and Stress Estimation in Soil Bentonite Slurry Trench Cutoff Walls Using Cone Penetration Test Data

2015· article· en· W2157679039 sur OpenAlexaff
Daniel Ruffing, JC Evans, Christopher R. Ryan

Notice bibliographique

RevueIFCEE 2015 · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensKensington Health
Organismes subventionnairesnon disponible
Mots-clésSlurryGeotechnical engineeringCutoffCone penetration testBentoniteTrenchGeologyShear stressDirect shear testShear strength (soil)Shear (geology)Penetration (warfare)SettlingSoil waterMaterials scienceSoil scienceComposite materialEngineeringLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

The Cone Penetration Test (CPT) is widely used for classifying soils and assigning soil properties to the subsurface because it is robust and can be used to quickly collect continuous data with depth. During and subsequent to the construction of a very deep soil-bentonite (SB) slurry trench cut-off wall in Mayfield NSW, Australia, the CPT was used to check the continuity and quality of the SB backfill material. The numerous CPT profiles conducted in the Mayfield wall provided a unique research opportunity for examining how shear strength and effective stress vary with depth. A method is proposed to estimate the undrained shear strength of the Mayfield Wall from the CPT combined with some vane shear data. The results support previous studies that show that the shear strength and the effective stress distributions in SB slurry trench cutoff walls are less than would be expected from a geostatic stress distribution. While there is some increase in shear strength with depth, these data show that the increase is modest and consistent with the less than geostatic stresses. In addition, the authors recommend a general procedure for shear strength and horizontal stress estimation using CPT data in any SB slurry trench application.

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 enseignants0,012
Score d'incertitude au seuil0,642

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,264
Écart entre enseignants0,235 · 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

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFCEE 2015Même sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207