MétaCan
Menu
Retour à la cohorte
Enregistrement W2941636688 · doi:10.1520/jte20180547

Investigation of Macroscopic and Microscopic Behavior of Gravels Using Triaxial Compression Test with CT Scan

2019· article· en· W2941636688 sur OpenAlexaff
Jingshan Jiang, Cheng Lin, Zhanlin Cheng, Yongzhen Zuo

Notice bibliographique

RevueJournal of Testing and Evaluation · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTriaxial shear testGeotechnical engineeringMaterials scienceCompression (physics)Particle (ecology)Displacement (psychology)Stress (linguistics)Overburden pressureStress pathStress–strain curveMechanicsGeologyComposite materialDeformation (meteorology)PhysicsPlasticity

Résumé

récupéré en direct d'OpenAlex

Abstract A large number of studies have been conducted to investigate macroscopic responses of gravelly soils using large-scale triaxial compression tests; however, particle-level responses of gravelly soils under triaxial compression remain poorly explored. Here, we reported a series of large-scale triaxial compression tests on uniformly graded gravels subjected to a low to medium range of confining pressures (200–800 kPa). We further investigated the particle-level responses of the gravels using the combined triaxial compression test with computed tomography (CT) scan. A computer image analysis program was developed to analyze the CT images, providing visualized and quantitative particle displacement and rotation. Based on the experimental results, the stress-strain relationships at different confining pressures and the microscopic characteristics of the gravels (e.g., changes in internal structures) under different deviator stress levels were discussed. The changes in particle-level responses were linked to those in macroscopic responses. From both macroscopic and microscopic analyses, some insights into the underlying mechanism of the stress-strain relationships were provided.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,044
Tête enseignante GPT0,270
Écart entre enseignants0,226 · 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'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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207