MétaCan
Menu
Retour à la cohorte
Enregistrement W2966109089 · doi:10.18280/rcma.290208

A 1D Compression Model for Loess Based on Disturbed State Concept

2019· article· fr· W2966109089 sur OpenAlexvenueno aff
Yali Xu

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2019
Typearticle
Languefr
DomaineComputer Science
ThématiqueImage Processing and 3D Reconstruction
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Undergraduate Education
Mots-clésLoessCompression (physics)State (computer science)GeologyGeotechnical engineeringEnvironmental scienceComputer scienceSoil scienceGeomorphologyMaterials scienceAlgorithm

Résumé

récupéré en direct d'OpenAlex

Despite being insufficiently compacted, the loess structure can withstand a huge load like the super solid. This paper attempts to disclose how water content affects the bonding and arrangement of loess particles, and how it disturbs the loess structure. For this purpose, five confined compression tests are designed for intact loess and remolded loess of different water contents. Specifically, the disturbance function was defined with void ratio as the parameter based on the disturbed state concept (DSC) theory, considering how the structural features of loess Q3 affects the compressive strength. Next, the evolution law of the disturbance function was explored, and the influence law of water content on the parameters of the disturbance function was investigated. Finally, a DSC-based 1D compression model was constructed for loess Q3. The research results show that the water content has a great impact on the evolution law of the 1D disturbance function and its two parameters, and the influence can be described by exponential function. Besides, the experimental results show that our model can accurately describe how water content affects loess compression.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,068
Tête enseignante GPT0,299
Écart entre enseignants0,230 · 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'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 revueRevue des composites et des matériaux avancésMême sujetImage Processing and 3D ReconstructionTravaux en français237 207