MétaCan
Menu
Retour à la cohorte
Enregistrement W2807135196 · doi:10.1061/9780784481592.031

Remedial Grouting of Existing Embankment Dam Foundations: Lessons Learned (and Ignored)

2018· article· en· W2807135196 sur OpenAlexaff
Donald A. Bruce, Trent L. Dreese, Jim Cockburn

Notice bibliographique

RevueIFCEE 2018 · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensNorth York General Hospital
Organismes subventionnairesnon disponible
Mots-clésRemedial educationGroutLeveePlan (archaeology)EngineeringInstrumentation (computer programming)Closure (psychology)Civil engineeringConstruction engineeringComputer scienceForensic engineeringGeotechnical engineeringLawGeologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The authors have had intimate experience in the design, construction, and evaluation of remedial grout curtains for embankment especially dams during the “heyday” of the last 20 years in North America. Their experiences–and those of other active participants in such projects–have been widely published in the technical press, and have been incorporated in recent federal guidelines. However, not all the “lessons described” in such publications have been translated as “lessons learned,” and indeed many “lessons learned” have been ignored totally in certain quarters. The paper focuses on several topics which the authors feel merit particular attention in this regard, namely: drilling techniques for overburden and rock, design and testing of grout mixes, placement and sealing of standpipes and MPSP’s, data management systems (DMS), refusal and closure, allowable injection pressures, joint instrumentation monitoring plan, and long-term monitoring. The authors trust that the conclusions of the paper will provide guidance to engineers about to participate in a major grouting project for the first time, and comfort to more experienced engineers faced with conflicting “opinions” from unqualified but strongly opinionated “experts.”

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0060,007
Science ouverte0,0040,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,101
Tête enseignante GPT0,328
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFCEE 2018Même sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207