MétaCan
Menu
Retour à la cohorte
Enregistrement W2900621269 · doi:10.1139/cgj-2018-0200

Eco-friendly recycled crushed glass for cushioning boulder impacts

2018· article· en· W2900621269 sur OpenAlexvenueno aff
Yu Su, Clarence Edward Choi, Charles Wang Wai Ng, Carlos Lam, J.S.H. Kwan, Gang Wu, Juehao Huang, Zhonghan Zhang

Notice bibliographique

RevueCanadian Geotechnical Journal · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensnon disponible
Organismes subventionnairesHong Kong University of Science and TechnologyNational Natural Science Foundation of China
Mots-clésCushioningCushionGeotechnical engineeringEnvironmental scienceMaterials scienceComposite materialGeologyEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

A large amount of waste glass is generated every year and contributes significantly to landfills. Large-scale physical model tests were carried out to study the dynamic response of recycled crushed glass (RCG) contained in gabion baskets and its performance against successive boulder impacts at energy levels of up to 70 kJ. The cushioning performance of RCG is compared with that of more conventional cushioning materials, including rock fragments and cellular glass aggregates. Results reveal that for the first impact, RCG can provide up to 144% and 128% reduction in the transmitted wall loads and boulder impact loads, respectively, when compared with cushion layers comprising rock fragments. It follows that by adopting RCG, practitioners could potentially reduce the recommended design load for impact by a single boulder by up to three times. Furthermore, the load-diffusion angle of RCG is three times larger than that of cellular glass aggregates. The observed trend in the diffusion angle implies that the transmitted load for RCG is distributed more uniformly on the barrier wall compared to cellular glass aggregates.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,231 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetLandslides and related hazardsTravaux en français237 207