Temperature and Precipitation Sensitivity Analysis on Pavement Performance
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
It is estimated that the average temperature in Canada will increase between 2°C and 5°C and precipitation will increase 0% to 10% over the next 45 years. These changes in climate will impact pavement performance and this paper attempts to predict the consequences of this performance change. Using Canadian data from the Long-Term Pavement Performance program, the Mechanistic–Empirical Pavement Design Guide (M-E PDG) version 1.0 is used to quantify the impact of climate change in the Canadian environment. In essence, two case studies representing Canadian conditions are presented. Specifically, how climate changes in precipitation and temperature affect the pavement performance indicators of International Roughness Index, longitudinal cracking, transverse cracking, alligator cracking, asphalt concrete deformation (rutting), and total rutting is assessed. Simulations were performed with combinations of 0%, –5%, +5%, +10% and +25% precipitation changes and 0°C, +1°C, +2°C, and +5°C temperature increases. Temperature increases have a negative impact on the pavement performance in the Canadian environment. Maintenance, reconstruction, and rehabilitation (MR&R) activities would be minimally affected with a 1°C increase in temperature. Based on the initial analysis, Canadian transportation agencies would likely not change MR&R activities until a 2°C or higher increase in temperature. The M-E PDG was not sensitive enough to distinguish between changes in precipitation or changes in transverse cracking. The CGC M2A2x and HadCM3B21 detailed climatic scenarios provide realistic prediction of the changes in pavement performance due to increases in temperature and precipitation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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