MétaCan
Menu
Retour à la cohorte
Enregistrement W2788200595 · doi:10.1520/jte20160667

Field Evaluation of Load-Bearing Capacity of Tire Fill Embankment Pavements

2018· article· en· W2788200595 sur OpenAlexaffabout
Leila Hashemian, Alireza Bayat

Notice bibliographique

RevueJournal of Testing and Evaluation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésScrapLeveeGeotechnical engineeringBearing capacityLoad bearingEnvironmental scienceCivil engineeringEngineeringStructural engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Tire-derived aggregates (TDAs) are produced by shredding scrap tires. These materials have desirable engineering properties and can be appropriately used in pavement embankment fills. Several pavements have been constructed using TDA fill embankment; however, the seasonal performance of the pavements composed of these materials has not been widely investigated. This study investigates seasonal changes in load-bearing capacity of tire-filled embankment pavements after two years of construction in comparison to conventional pavement in a test road in Edmonton, Alberta, Canada. Three sections were constructed using different TDA materials, including passenger and light-truck tires (PLTT), off-the-road (OTR) tire particles, and a mix of PLTT and local subgrade soil, which was placed adjacent to a conventional section that acted as a control section. Falling weight deflectometer (FWD) tests were conducted in different seasons, and the back-calculation results revealed that although the subgrade of the TDA sections showed higher deflection and a lower resilient modulus compared with the control section, the load-bearing capacity of the TDA sections was greater than that for the control section. The section constructed using a mix of TDA material and soil showed almost the same performance as the control section.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,337
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
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 Opus0,078
Tête enseignante GPT0,294
Écart entre enseignants0,216 · 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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207