MétaCan
Menu
Retour à la cohorte
Enregistrement W2805220224 · doi:10.3390/en11061419

A Simple Fractal-Based Model for Soil-Water Characteristic Curves Incorporating Effects of Initial Void Ratios

2018· article· en· W2805220224 sur OpenAlexaboutno aff
Gaoliang Tao, Chen Yin, Lingwei Kong, Henglin Xiao, Qingsheng Chen, Yuxuan Xia

Notice bibliographique

RevueEnergies · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésVoid ratioFractal dimensionFractalSoil waterExpansive clayGravimetric analysisVoid (composites)SiltSoil scienceGeotechnical engineeringLoessMathematicsMaterials scienceEnvironmental scienceGeologyMathematical analysisChemistry

Résumé

récupéré en direct d'OpenAlex

In this paper, a simple and efficient fractal-based approach is presented for capturing the effects of initial void ratio on the soil-water characteristic curve (SWCC) in a deformable unsaturated soil. In terms of testing results, the SWCCs (expressed by gravimetric water content) of the unsaturated soils at different initial void ratios were found to be mainly controlled by the air-entry value (Ψa), while the fractal dimension (D) could be assumed to be constant. As a result, in contrast to the complexity of existing models, a simple and efficient model with only two parameters (i.e., D and Ψa) was established for predicting the SWCC considering the effects of initial void ratio. The procedure for determining the model parameters with clear physical meaning were then elaborated. The applicability and accuracy of the proposed model were well demonstrated by comparing its predictions with four sets of independent experimental data from the tests conducted in current work, as well as the literature on a wide range of soils, including Wuhan Clay, Hefei and Guangxi expansive soil, Saskatchewan silt, and loess. Good agreements were obtained between the experimental data and the model predictions in all of the cases considered.

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 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 enseignants0,058
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetSoil and Unsaturated FlowTravaux en français237 207