MétaCan
Menu
Retour à la cohorte
Enregistrement W2952813553 · doi:10.1520/jte20170672

Assessment and Modeling of Aging Effect on Asphalt Material Dynamic-Mechanical Properties

2019· article· en· W2952813553 sur OpenAlexaff
A. S. M. Asifur Rahman, Hasan M. Faisal, Rafiqul A. Tarefder

Notice bibliographique

RevueJournal of Testing and Evaluation · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesnon disponible
Mots-clésAsphaltMaterials scienceComposite materialStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, the effects of progressive aging on the dynamic-mechanical characteristics of asphalt and asphalt concrete were assessed and evaluated. Field-collected asphalt-aggregate mixture was used to prepare asphalt concrete test specimens. These specimens were then subjected to five aging levels and tested for dynamic-mechanical properties in the laboratory. Results showed that the dynamic-mechanical characteristics of asphalt concrete are significantly affected by progressive aging. In addition, aged asphalt binders that corresponded to the asphalt concrete samples aged at various aging levels were tested for complex shear modulus using a dynamic shear rheometer. A significant effect of progressive aging on the complex shear modulus and viscosity of the binder was observed. A detailed assessment showed that even though the mechanical behavior of asphalt binder significantly changes because of aging, the corresponding asphalt concrete sample does not necessarily show similar change in its behaviors. Finally, this study developed an approach to estimate the dynamic-mechanical characteristics of the aged asphaltic materials. Using this approach, it may be possible to predict the mechanical behaviors of aged asphalt concrete and binder. It is hoped that the developed approach can be useful for advanced modeling of asphalt pavements.

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)0,003
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: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil0,283

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 Opus0,048
Tête enseignante GPT0,319
Écart entre enseignants0,270 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207