Estimation of subgrade soils mechanical properties and frost sensitivity through the use of simple tests
Notice bibliographique
Résumé
Subgrade soils properties are one of the main inputs for pavement design. In cold climates, these subgrade properties are associated with stiffness, water sensitivity and frost susceptibility and can be obtained through reliable but complex and costly resilient modulus and segregation potential laboratory tests. Portable instruments such as light weight deflectometer (LWD) allow to rapidly and easily quantifying mechanical properties of soils to a limited extent. The mathematical models associated with these measurements are poorly adapted to take into account stress state and water content on the mechanical properties determination. Regarding the frost susceptibility of soils, a default value is often used or it is often estimated with charts or estimated from its physical properties. Therefore, the project focused on the development of simple tests using portable tools (LWD and percometer) to perform a reliable estimation of resilient modulus and segregation potential. Ten typical subgrade soils were sampled and a laboratory deflection based test (using a LWD and a 300 mm diameter mold), validated with field measurements, and was correlated with triaxial resilient modulus test results to take into account non Iinearity. Percometer measurements (dielectric value) were also performed on the laboratory samples for various water contents. The water sensitivity measured with the percometer data were correlated with laboratory segregation potential values of the tested soils. The developed resilient modulus and segregation potential estimation techniques allowed obtaining an adequate estimation of these important pavement design properties based on soils in situ characteristics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».