MétaCan
Menu
Retour à la cohorte
Enregistrement W2306771026 · doi:10.3141/2590-06

Comparison of Fatigue Cracking Performance of Asphalt Pavements Predicted by Pavement ME and LVECD Programs

2016· article· en· W2306771026 sur OpenAlexaboutno aff
Yizhuang David Wang, Amirhossein Norouzi, Y. Richard Kim

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRutFatigue crackingAsphaltPavement engineeringCrackingViscoelasticityAsphalt pavementPavement managementFinite element methodStructural engineeringPerformance predictionEngineeringComputer scienceCivil engineeringMaterials scienceSimulationComposite material

Résumé

récupéré en direct d'OpenAlex

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.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,117
Tête enseignante GPT0,396
Écart entre enseignants0,280 · 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'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

Citations49
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207