The spatial correlation between track roughness and ground-penetrating radar inferred ballast degradation
Notice bibliographique
Résumé
Ballast degradation is considered to be a primary factor that contributes to the development of track roughness, and as such it is important to develop efficient techniques to assess the condition of the ballast. Ground-penetrating radar is one method that has been applied in a variety of railway foundation studies including those attempting to non-destructively assess ballast degradation. However, there has yet to be a large-scale study that attempts to correlate the ground-penetrating radar-based estimates of ballast degradation with the observed track roughness. This study investigates this correlation along a 335 km-long heavy-haul railway subdivision in Alberta, Canada. Track roughness is quantified from repeated track alignment and surface measurements spanning 15 months prior to the ground-penetrating radar data acquisition. Three sets of 400 MHz ground-penetrating radar measurements were performed in August 2012, one along each ballast shoulder and one along the track centreline. The results of this study reveal that significant correlations between the observed track roughness and the ground-penetrating radar-based interpretation of ballast degradation are rare and only exist when the data are compared at very small spatial scales. The absence of significant correlations between track roughness and the estimates of ballast degradation is primarily interpreted as being the result of ambiguous ground-penetrating radar data caused by local-scale variations in the track foundation unrelated to ballast degradation. To address these issues, potential improvements in the application of ground-penetrating radar as a ballast degradation detection tool are proposed.
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 | 0,001 | 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 ».