MétaCan
Menu
Retour à la cohorte
Enregistrement W2940497241 · doi:10.1680/jgein.19.00026

Calibration of PET strap pullout models using a statistical approach

2019· article· en· W2940497241 sur OpenAlexaff
Yoshihisa MIYATA, Richard J. Bathurst, Tom Allen

Notice bibliographique

RevueGeosynthetics International · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésGeosyntheticsCalibrationReliability (semiconductor)Structural engineeringGeotechnical engineeringExponential functionExperimental dataMaterials scienceMathematicsStatisticsEngineeringMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Polyester (PET) straps are being used more frequently in mechanically stabilized earth (MSE) walls. At present, there is no consensus on a model or models that are suitable for design codes to calculate the pullout capacity of these materials. A database of 296 pullout tests from 81 test series with single and closely-spaced parallel double PET strap configurations was collected by the writers. The data were taken from laboratory and in situ pullout tests. Existing linear and bi-linear pullout models for geosynthetic and steel strip reinforcement were investigated as candidate models and then empirically modified to improve pullout capacity predictions for both single and double PET strap arrangements. A non-linear exponential model with the same number of empirical coefficients was also investigated. The accuracy of each model was assessed quantitatively using bias analysis where bias is the ratio of measured to predicted capacity. The paper shows that non-linear models performed best based on mean and coefficient of variation (COV) of bias values and bias dependency with predicted pullout capacity and magnitude of vertical stress acting on the pullout length. The models investigated in this study are useful for pullout limit state calculations using both deterministic and reliability-based analysis and design approaches.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,775
Score d'incertitude au seuil0,402

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 Opus0,015
Tête enseignante GPT0,218
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 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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeosynthetics InternationalMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207