Notice bibliographique
Résumé
The deep mixing method of ground improvement blends additives to soil in-situ to increase strength, increase stiffness, and/or decrease hydraulic conductivity. The deep mixing method can be used to support embankments, structures, and excavations; mitigate liquefaction; and create seepage barriers. Contractors continually develop new equipment and procedures to improve the quality and decrease the cost of deep mixing. Equipment types include vertical-axis mixing rigs with one to six shafts, horizontal axis mixing machines with two rotating cutting wheels or one rotating drum, and chain-saw type mixing machines with a vertical post. Cutting and mixing teeth and blades vary in number, type, and orientation. The binder can be injected as dry powder or wet slurry, and air-slurry emulsions have been used. Slurry can be injected on the down-stroke or the up-stroke under low, moderate, or high pressure, and the injection nozzles can be located at the bottom of mixing shafts, along mixing blades, or from the shaft just above the mixing blades. Not all equipment and procedures are suitable for all soil conditions or project types, but more than one approach is feasible in most situations. Collaboration among owner, engineer, and contractor enable the benefits of innovations, and different contracting mechanisms enable different degrees of collaboration. Even in a design-bid-build contract, the engineer can develop the design and prepare the plans and specifications to allow for contractor innovation while protecting the owner’s interests. Strategies include: expressing the geometric requirements in normalized terms, with appropriate limits; using statistically based acceptance criteria; making full use of construction quality control records; and involving the design engineer during construction.
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 ».