MétaCan
Menu
Retour à la cohorte
Enregistrement W2944049659 · doi:10.3390/infrastructures4020024

Characterization of Recovered Bitumen from Coarse and Fine Reclaimed Asphalt Pavement Particles

2019· article· en· W2944049659 sur OpenAlexaff
Saeed S. Saliani, Alan Carter, Hassan Baaj, Peter Mikhailenko

Notice bibliographique

RevueInfrastructures · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensUniversity of WaterlooÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésAsphaltGradationAsphalt pavementEnvironmental scanning electron microscopeMaterials scienceAggregate (composite)CrackingDynamic shear rheometerComposite materialFourier transform infrared spectroscopyScanning electron microscopeParticle (ecology)RutGeologyChemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

In the current era of road construction, it is common to add a small amount of reclaimed asphalt pavement (RAP) in asphalt mixes without significantly changing properties such as stiffness and low-temperature cracking resistance. Not only can these mixes be better for the environment, but they can also improve certain properties like rutting resistance. However, there is no clear understanding of how RAP gradation and bitumen properties impact the mixture properties. In this study, a single RAP source was separated into coarse and fine particles and added into a hot mix asphalt (HMA). Fourier transform infrared (FTIR) spectrometry was used to evaluate the chemical properties of the bitumen, while environmental scanning electron microscopy (ESEM) image analysis was used to visualize the differences of the virgin and RAP bitumen at a microscopic level. The observed results indicated that the recovered bitumen from coarse RAP did not have the same characteristics as the fine RAP bitumen, and the interaction of RAP bitumen with virgin bitumen significantly depended on RAP particle size. The amount of active RAP bitumen in coarse RAP particles was higher than in fine RAP particles.

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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfrastructuresMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207