MétaCan
Menu
Retour à la cohorte
Enregistrement W2804050855 · doi:10.1061/9780784481295.036

GPR-Based Deterioration Mapping in Subway Networks

2018· article· en· W2804050855 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueConstruction Research Congress 2018 · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésGround-penetrating radarSpallVisual inspectionIntrusionComputer scienceGeotechnical engineeringGeologyForensic engineeringEnvironmental scienceRadarEngineeringStructural engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Water leakage through soil has been considered the most serious problem and the main cause of concrete degradation in subway facilities. Several deterioration mechanisms are derived from water intrusion, among others are concrete cracking, spalling, and water voids. These mechanisms can compromise the structural integrity and jeopardize public safety. The detection and evaluation of concrete structures are predominantly conducted on the basis of visual inspection (VI) techniques, which are known to be time-consuming, subjective, and qualitative in nature. Although, these technologies may be consistent in finding surface defects, e.g., cracks, and spalling, they fall short in detecting subsurface distresses such as air voids, and water voids. Ground penetrating radar (GPR) has been widely used for the inspection and evaluation of concrete infrastructure. Nevertheless, few research endeavors were conducted for the detection and mapping of air/water voids. This paper presents a GPR-based assessment model for subway networks. The model performs damage identification and localization of air voids and water voids in the concrete subsurface. It provides a systematic approach for the detection and mapping through the incorporation of image-based analysis (IBA) and processing techniques. First, a defect detection scheme is designed to establish a consistent inspection pattern. Second, subsurface data are collected in a subway network facility. Third, the position and dimension of the detected distresses are mapped to estimate the severity of deterioration. The proposed method was implemented on assessing a segment in Montréal subway network. Validation of the results was conducted through visual inspection, digital images, thermal images and concrete coring samples which demonstrated high correlation and compatibility with the constructed GPR-based maps. The proposed system is expected to improve the quality of decision making as it can assist transportation agencies in identifying critical deficiencies and by focusing constrained funding on most deserving assets.

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.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil0,435

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,070
Tête enseignante GPT0,352
Écart entre enseignants0,282 · 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