MétaCan
Menu
Retour à la cohorte
Enregistrement W2615042812 · doi:10.7451/cbe.2017.59.2.1

Modeling and measurements of triaxial tests for a sandy loam soil

2017· article· en· W2615042812 sur OpenAlexvenueno aff
Mukhtar Nandanwar, Ying Chen

Notice bibliographique

RevueCanadian Biosystems Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLoamEnvironmental scienceGeotechnical engineeringSoil scienceTriaxial shear testGeologySoil waterPetrology

Résumé

récupéré en direct d'OpenAlex

The knowledge and understanding of soil mechanical properties is essential for designing agricultural machines. However, little information is available regarding shear properties of agricultural soil. In this study, triaxial compression tests were performed to measure shear properties of a sandy loam soil at three moisture levels: low (10.5±0.5%), medium (19±1.0%), and high (28±1.0%), and three confining pressures of 50, 100, and 150 kPa. A discrete element model was developed to simulate the triaxial compression tests. The test results showed a linear increase in soil shear strength at a decreased soil moisture level and an increased confining pressure. The effect of moisture level on the modulus of elasticity changed with the confining pressure. The highest modulus of elasticity was observed for the low moisture level with 150 kPa confining pressure. The model results showed that the particle friction coefficient was the most influential model micro-parameter to the simulated soil shear strength. This model micro-parameter was calibrated with the triaxial test data. The calibrated particle friction coefficients varied from 0.2 to 1.0, depending on the soil moisture content and confining pressure. As compared to the test data, the simulated soil shear strengths had relative errors ranging from 0 to 6%.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,038
Tête enseignante GPT0,224
Écart entre enseignants0,186 · 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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Biosystems EngineeringMême sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207