MétaCan
Menu
Retour à la cohorte
Enregistrement W2888972230 · doi:10.1016/j.dib.2018.08.151

Dataset for time-lapse ultrasonic tomography of a granite slab under uniaxial compression test

2018· article· en· W2888972230 sur OpenAlexafffund
Qi Zhao, Taiming He, Johnson Ha, Kaiwen Xia, Giovanni Grasselli

Notice bibliographique

RevueData in Brief · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCarbon Management CanadaEnergi Simulation
Mots-clésSlabUltrasonic sensorCompression testCompression (physics)Materials scienceTest dataTomographyWaveformAcoustic emissionFinite element methodGeologyAcousticsStructural engineeringComputer scienceComposite materialEngineeringOpticsPhysicsGeophysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This data article includes raw data for time-lapse ultrasonic tomography measurements during a uniaxial compression test. Two sets of experimental data are included: first, the ultrasonic tomography (UT) observation (i.e., waveform) data at each 20 MPa axial stress step during the uniaxial loading test; and second, the stress-strain curve of the uniaxial compression test. A numerical model based on the combined finite-discrete element method (FDEM) was used to improve the understanding of the experimental results. The model file and the simulated acoustic emission (AE) data extracted from the simulation results are also included in this article. Data sets presented in this article help to improve understanding of the progressive rock failure process at microscopic and macroscopic scales.

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: aucune
Score de désaccord entre enseignants0,822
Score d'incertitude au seuil0,440

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 Opus0,026
Tête enseignante GPT0,262
Écart entre enseignants0,236 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetRock Mechanics and ModelingTravaux en français237 207