MétaCan
Menu
Retour à la cohorte
Enregistrement W2582782602 · doi:10.1520/gtj20150286

Compacted Clay: Difficulties Obtaining Good Laboratory Permeability Tests

2017· article· en· W2582782602 sur OpenAlexaff
Raphaële Chapuis

Notice bibliographique

RevueGeotechnical Testing Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésHydraulic conductivityCompactionPermeability (electromagnetism)PorosityGeotechnical engineeringPermeameterSaturation (graph theory)Degree of saturationSoil scienceProctor compaction testMaterials scienceGeologyMineralogyMathematicsChemistrySoil water

Résumé

récupéré en direct d'OpenAlex

Abstract Testing the permeability of compacted clay is not easy. The hydraulic conductivity, k(Sr), depends upon porosity nc and degree of saturation Src after compaction, and the values reached during the permeability test, ncf and Srf. The four values are needed to predict k(Sr) using a dual-porosity model with two parameters, a and b. However, many published test reports do not give these four values. The tested clay is often unsaturated, and the measured k(Sr < 100 %) may be confused with its saturated value, ksat, whereas it may be one to three orders of magnitude lower than ksat. This, in turn, may lead a designer to poorly predict the total leakage of a lined cell or lagoon. For fully documented test data, parameter a is between 0.001 and 0.1 and parameter b is between 2.7 and 3.3 (around 3 for a perfect cubic law). Once the values of a and b have been found with correctly performed and fully documented tests, a local k(Sr) value can be predicted at each place the field density and Src have been assessed. This yields many predicted local k(Sr) values, which can then be used with statistics to predict the full- or large-scale hydraulic conductivity and leakage of a liner or cover.

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)0,007
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,261
Écart entre enseignants0,228 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeotechnical Testing JournalMême sujetSoil and Unsaturated FlowTravaux en français237 207