MétaCan
Menu
← Retour à la cohorte
Enregistrement W2909401159 · doi:10.3166/rcma.27.165-176

Prédiction des propriétés viscoélastiques des enrobés bitumineux Approches micromécaniques et expérimentales

2017· article· fr· W2909401159 sur OpenAlexvenueno aff
Rabeb Cherif, Anissa Eddhahak, Thomas Gabet, Jamel Néji

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2017
Typearticle
Languefr
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDictionMaterials sciencePhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

The asphalt mixtures are composed of aggregates and asphalt used in the construction of the majority of roads. In order to ensure the sustainability of the infrastructures, the evaluation of the quality and the performances of these materials are essential. In this context, several researches have been focused on the development of predictive models, often empirical ones, in order to deduce the viscoelastic properties of an asphalt mixture based on the properties of its constituents (binder and/or aggregate). In this context, we suggest a homogenization model based on the generalized self-consistent scheme (GSC) to predict the complex module of the asphalt concrete from the properties of its components. In the aim of the approach validation, different types of mixtures (hot and warm) made in the laboratory were tested. The results showed that one can predict the complex modulus of the different types of asphalt concretes for temperatures less than 20 °C. However, beyond this temperature, the precision of the model decreases. Besides, the comparison of the micromechanical model with the rheologic models in literature showed that the suggested model can be also relevant in terms of predictions as the considered models.

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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,103
Tête enseignante GPT0,354
Écart entre enseignants0,250 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueRevue des composites et des matériaux avancés→Même sujetAsphalt Pavement Performance Evaluation→Travaux en français237 207→