MétaCan
Menu
Retour à la cohorte
Enregistrement W2341104874 · doi:10.1080/19648189.2015.1084380

Robust equivalent tunnelling Mohr–Coulomb strength parameters for generalised Hoek–Brown media

2015· article· en· W2341104874 sur OpenAlexaff
Qing Meng, H.-L. Wang, Wanghao Xu, Wei Xie, Runzhou Wang, J.-C. Zhang

Notice bibliographique

RevueEuropean Journal of Environmental and Civil engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesGovernment of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésRobustness (evolution)BrittlenessStructural engineeringMohr–Coulomb theoryHoek–Brown failure criterionQuantum tunnellingBenchmark (surveying)Range (aeronautics)Applied mathematicsMathematicsRock mass classificationEngineeringGeotechnical engineeringGeologyMaterials scienceFinite element method

Résumé

récupéré en direct d'OpenAlex

A novel robust method for estimating equivalent tunnelling Mohr–Coulomb strength parameters in elastic–plastic or elasto–brittle–plastic media satisfying Hoek–Brown failure criterion is proposed. Based on the best uniform approximation technique, this method consists of explicit and closed-form formulae in terms of elementary functions, making the estimation of equivalent parameters more convenient than other methods. A simple code is provided and a series of benchmark test cases are performed for validation. When the tunnel support is accurately known, the performance estimates of this method are better than estimates of best fitting in an artificial stress range and best fitting in the existing range methods, but not as accurate as the performance of equating model responses method and that proposed by Jimenez et al. However, when the estimation of support pressure is poor, this method is the most robust among all methods. In elasto–brittle–plastic rock mass, the advantage of robustness of this method is even more obvious. Considering both accuracy and robustness, this method can be employed as a preferable alternative.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,221
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,033
Tête enseignante GPT0,175
Écart entre enseignants0,142 · 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 tête enseignante, 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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Environmental and Civil engineeringMême sujetRock Mechanics and ModelingTravaux en français237 207