MétaCan
Menu
Retour à la cohorte
Enregistrement W2318339464 · doi:10.1061/9780784412350.0085

Simulation of Colloidal Silica Grout Injection Using Shear Effects

2012· article· en· W2318339464 sur OpenAlexaff
Tirupati Bolisetti, Ram Balachandar, Stanley Reitsma

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensUniversity of WindsorNutrasource
Organismes subventionnairesnon disponible
Mots-clésGroutMaterials scienceColloidHydraulic conductivityViscosityPorous mediumGeotechnical engineeringColloidal silicaMODFLOWPorosityShear (geology)Composite materialGroundwaterChemical engineeringGeologySoil scienceEngineeringSoil waterGroundwater flow

Résumé

récupéré en direct d'OpenAlex

The colloidal silica grout systems are being investigated for environmental containment barriers and ground improvement. Colloidal silica (CS) grout system behaves as a fluid but reacts after a predetermined time to form a solid, semi-solid or gel. These solid or semi-solid gels offer several orders of magnitude reduction in hydraulic conductivity in the porous media. A numerical model is developed to simulate chemical grouting into porous media by combining a groundwater flow simulation model (MODFLOW) and a 3D multi-species reactive transport model (RT3D). The methods to estimate the grout gel viscosity as a function of gel cure time (gel age), shear rate, and grout concentration are incorporated. The non-uniform gel viscosity is indirectly incorporated into MODFLOW by changing the effective hydraulic conductivity in each cell. The present model is used to analyse the experimental observations on colloidal silica grout injection into a sand column. The model was able to reproduce the observed injection pressures to a large extent. It has been shown that the shear effect needs to be incorporated in the grout gelation model. The model will help in better understanding the physics of grouting, the processes taking place and identifying the parameters.

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)0,000
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,244
Écart entre enseignants0,229 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207