Thermal conductivity of base-course materials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents the results of a comprehensive laboratory study on the thermal conductivity of dense and broadly graded coarse base-course materials used in pavements. Materials were selected from eight quarries along the axis of the St. Lawrence River to include a variety of samples of different geological origins. Nearly 200 tests were performed in a thermal conductivity cell using Pyrex heat flux meters to characterize the relationships between the thermal conductivity of unfrozen and frozen samples and the waterice content. Sixteen tests were also performed on solid rock cylinders to characterize the influence of mineralogy on the thermal conductivity of solid particles from the selected quarries. The most widely used empirical prediction models for thermal conductivity of soils from the literature were found inappropriate to estimate the thermal conductivity of base-course materials. An improved model using the geometric mean method to compute the thermal conductivity for the solid particles and the saturated materials, a modified form of the geometric mean method to predict the thermal conductivity of dry materials, and empirical relationships to assess the normalized thermal conductivity of unfrozen and frozen base-course materials are presented. This new model predicted well the thermal conductivity for more than 150 unfrozen and frozen coarse sand and gravel samples from the literature. A step by step methodology is proposed to assess the thermal conductivity of base-course materials.Key words: base course, porosity, degree of saturation, mineralogy, unfrozenfrozen, thermal conductivity.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,000 |
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.
score_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