Estimating Base Layers and Subgrade Modulii for ME Pavement Design in Manitoba
Notice bibliographique
Résumé
The assessment of the structural adequacy of an existing pavement scheduled for rehabilitation is an important aspect of pavement rehabilitation design. Non-destructive testing (NDT) has been widely used to determine the design inputs for existing pavement layers in rehabilitation design. The Falling Weight Deflectometer (FWD) is used by different agencies for the non-destructive evaluation of existing pavement layers and subgrade properties. In addition, the deflection basin from the FWD can be applied to select an appropriate rehabilitation strategy. The backcalculated elastic properties of each layer in the pavement and the subgrade from the FWD testing are required for Level 1 and 2 inputs in rehabilitation design when using the AASHTOWare Pavement ME Design program. This paper focuses on the backcalculation of pavement layers and subgrade modulii using various methods. The backcalculated resilient modulii (MR) of the base and subgrade from these procedures are compared with modulii from the forward calculation method. This forward calculation method was developed under the Federal Highway Administration’s project for reviewing Long-Term Pavement Performance (LTPP) backcalculation data. The calculated modulii are also compared to the laboratory determined resilient modulus for similar materials. The highway sections used in the study are the same test sections proposed to be used to calibrate the Pavement ME distress models in Manitoba. The selected modulii of the pavement layers and subgrade will be used as inputs in the calibration process.
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 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».