MétaCan
Menu
Retour à la cohorte
Enregistrement W2800829825 · doi:10.7939/r3d795q97

Landslide Mitigation Using Granular Shear Keys: Observations from a Review of 38 Case Studies

2017· review· en· W2800829825 sur OpenAlexaboutno aff
Hugh F Gillen

Notice bibliographique

RevueUniversity of Alberta Library · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyLandslideShear (geology)Geotechnical engineeringPetrology

Résumé

récupéré en direct d'OpenAlex

Canadian transportation industries have been using granular shear keys to remediate shallow slope instabilities for decades. Engineers have used limit equilibrium (LE) analyses as the standard method for designing these granular shear keys (Wyllie & Mah, 2004). These LE analyses do not account for the strain required to mobilize the shear resistance in the granular backfill. Finite element methods can model deformation but require calibration and may not always be practical for many applications. Recommendations featuring plots and/or nomograms based on a review of the design and resulting performance of an extensive collection of case histories could supplement current design methods and enhance design effectiveness and reliability. This thesis presents a compilation of 38 case studies for trenched granular shear keys or rockfill column shear keys. The purpose of this compilation was to identify empirical relationships between shear key design and deformation, to enhance the economy and performance of future granular shear keys. Existing granular shear key design guidelines were reviewed and compiled. Case studies featuring granular shear keys were then collected. Details from these case studies were summarized and data was compiled into a database. The data was analyzed and compared with recommendations from the existing guidelines. Additional analyses using deformation data yielded predictions for the magnitude and timespan of post-construction deformation.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,069
Tête enseignante GPT0,280
Écart entre enseignants0,211 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetLandslides and related hazardsTravaux en français237 207