MétaCan
Menu
Retour à la cohorte
Enregistrement W2966038191 · doi:10.3934/geosci.2019.3.591

Investigation and geotechnical characterization of Perniö clay, Finland

2019· article· en· W2966038191 sur OpenAlexaboutno aff
Bruno Di Buò, Marco D’Ignazio, Juha Selänpää, Markus Haikola, Tim Länsivaara, Marta Di Sante

Notice bibliographique

RevueAIMS Geosciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeotechnical engineeringConsolidation (business)GeologyShear strength (soil)EngineeringSoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

Understanding the behavior of soft sensitive clays is a key aspect of geotechnical design, especially in those regions where constructions are planned in marine clay areas. In Finland, one of the major geotechnical issues is the stability and deformation of the railway embankments located on soft soil deposits. The Tampere University of Technology (TUT) and the Finnish Transport Agency (FTA) have been carrying out a research project aiming to a better understanding of strength and deformation properties of Finnish soft clays. As a part of this project, a detailed site investigation was conducted at Perniö site in Western Finland. This paper presents the details of the geotechnical investigation, including field testing, sampling operations, and the laboratory testing program. In particular, an open drive tube sampler with 132 mm diameter, designed at TUT, was used to collect high quality samples. For comparison, samples were also taken using the conventional piston samplers and Sherbrooke Mini-block sampler. Field testing included piezocone, vane shear, and seismic piezocone. Laboratory testing consisted of index, consolidation, triaxial and simple shear tests. A comprehensive study of all these data is presented in a framework to describe Perniö soft clay.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,178
Écart entre enseignants0,170 · 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'étudeObservationnel
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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS GeosciencesMême sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207