MétaCan
Menu
Retour à la cohorte
Enregistrement W2763203657 · doi:10.3846/bjrbe.2017.25

PREDICTION OF LIFESPAN OF RAILWAY BALLAST AGGREGATE ACCORDING TO MECHANICAL PROPERTIES OF IT

2017· article· en· W2763203657 sur OpenAlexaboutno aff
Vaidas Ramūnas, Audrius Vaitkus, Alfredas Laurinavičius, Donatas Čygas, Aurimas Šiukščius

Notice bibliographique

RevueThe Baltic Journal of Road and Bridge Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBallastAbrasion (mechanical)Aggregate (composite)TonnageRide qualityEnvironmental scienceEngineeringGeotechnical engineeringStructural engineeringGeologyMaterials scienceComposite materialMechanical engineering

Résumé

récupéré en direct d'OpenAlex

As the railway lifespan is the main criterion for selection of the aggregate for ballast and for planning the maintenance of the railroad, it is important to define the relationship between the particle load resistant characteristics and a lifetime of ballast in structure. Assessment of the quality of the ballast aggregate particles under dynamic and static loading reflect both, the toughness and hardness, and these are identified with the Los Angeles Abrasion and Micro-Deval Abrasion values. The model formerly developed by Canadian Pacific Railroads was adapted to predict possible loads expressed in cumulated tonnes. Different ballast aggregate mixtures were tested in the laboratory including dolomite and granite. Calculated potential gross tonnage (expressed in Million Gross Tonnes) of the railway per lifetime for each different aggregate type presented. The outcome of this research is established classification system of railway ballast aggregate and defined Los Angeles Abrasion and Micro-Deval Abrasion values of aggregate dependently on required lifetime.

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)0,000
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,207
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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Baltic Journal of Road and Bridge EngineeringMême sujetRailway Engineering and DynamicsTravaux en français237 207