MétaCan
Menu
Retour à la cohorte
Enregistrement W2755001759 · doi:10.1139/cgj-2016-0674

Laboratory characterization and discrete element modeling of shrinkage and cracking in clay layer

2017· article· en· W2755001759 sur OpenAlexvenueno aff
Yuan Guo, Chanjuan Han, Xiong Yu

Notice bibliographique

RevueCanadian Geotechnical Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShrinkageGeotechnical engineeringCrackingMaterials scienceGeologyComposite material

Résumé

récupéré en direct d'OpenAlex

The performance of a variety of geostructures, such as compacted clay liners, earth dams, and pavement embankments, is compromised by soil cracking. Experiments are set up to monitor the drying process of a clay layer under controlled temperature and humidity conditions. The gravimetric water content and images are captured automatically. Volumetric shrinkage of the bentonite sample as well as the crack patterns are determined from images. The monitored volumetric strain development is used to implement the discrete element method (DEM) to simulate the drying shrinkage and desiccation cracking. Model parameters are calibrated through unconfined compression tests on clay specimens at different water contents. This simplified calibration procedure allows characterization of the soil behaviors in the mesoscale and bypass the complex physicochemical processes involved. The initiation and propagation of cracks from the DEM model agree well with the phenomena observed in the laboratory experiments. The influence of boundary constraint and sample thickness on the crack patterns is analyzed, which includes the use of hydrophobic coating to diminish the boundary constraint. Major features of desiccation cracking can be replicated with the computational procedures. Boundary constraint, including surface roughness and strength of boundary layer, is found to significantly influence the final crack patterns.

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 enseignants0,510
Score d'incertitude au seuil0,304

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 Opus0,012
Tête enseignante GPT0,220
Écart entre enseignants0,208 · 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

Citations49
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetSoil and Unsaturated FlowTravaux en français237 207