Comparison of Fatigue Cracking Performance of Asphalt Pavements Predicted by Pavement ME and LVECD Programs
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
Mechanistic–empirical pavement design has received significant attention from the pavement community as the method for designing asphalt pavements in the future. Currently available software for mechanistic–empirical pavement design includes the AASHTOWare Pavement ME Design (Pavement ME) program. The Pavement ME program allows users to predict pavement distresses by applying layered elastic theory for the mechanical responses and using empirical models for the distress predictions. The layered viscoelastic pavement design for critical distresses (LVECD) program, which employs three-dimensional viscoelastic finite element analysis with moving loads, can also be used to predict the fatigue and rutting performance of pavements. The LVECD program employs the simplified viscoelastic continuum damage (S-VECD) model as the material model for the fatigue performance predictions of asphalt mixtures under complex loading and environmental conditions. This paper examines and compares the performance of 33 pavement sections from five research projects located in the United States, Canada, and South Korea by using both the Pavement ME and LVECD computer programs. To verify the results obtained from these two programs, the simulations were compared with the field performance data. In terms of ranking, the LVECD simulations provided better agreement with the field performance data than did the Pavement ME simulations. One of the main reasons for the better predictions obtained by the LVECD program is that its fatigue performance predictions depend on the mixture properties of all the layers, whereas the Pavement ME program considers the fatigue properties of only the bottom layer mixture.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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