MétaCan
Menu
Retour à la cohorte
Enregistrement W2893668179 · doi:10.1080/10298436.2018.1526380

Linear viscoelastic (LVE) properties of asphalt mixtures with different glass aggregates and hydrated lime content

2018· article· en· W2893668179 sur OpenAlexaff
Éric Lachance-Tremblay, Michel Vaillancourt, Daniel Perraton, Hervé Di Benedetto

Notice bibliographique

RevueInternational Journal of Pavement Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAsphaltViscoelasticityAggregate (composite)LimeComposite materialModulusMetallurgy

Résumé

récupéré en direct d'OpenAlex

In this paper, the results of a research project examining the effect of glass aggregate and hydrated lime content on linear viscoelastic (LVE) properties are presented. Three glass aggregate contents (0%, 20% and 60%) and two hydrated lime contents (0%, 2%) were studied for a total of six different asphalt mixtures. All mixtures were fabricated in the laboratory using a PG70-28 polymer-modified binder. LVE properties were measured with the complex modulus (E*) test (tension compression on cylindrical specimens) at different temperatures (−35°C to +35°C) and frequencies (0.01 Hz to 10 Hz). Experimental E* test results were modelled with the 2S2P1D model. The Partial Time-Temperature Superposition Principle (PTTSP) was applied with good precision. Differences in terms of LVE properties were found for mixtures with glass aggregate compared with conventional mixtures. The glassy modulus, as well as the complex modulus norm, was decreased due to the glass aggregates. Moreover, the normalisation of the E* results showed that adding 60% glass changes the LVE properties. No notable effect related to the hydrated lime content was observed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,021
Tête enseignante GPT0,224
Écart entre enseignants0,203 · 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'étudeExpérimental (laboratoire)
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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Pavement EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207