Cone penetration test (CPT)-based subsurface soil classification and zonation in two-dimensional vertical cross section using Bayesian compressive sampling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A novel method is developed in this study for soil classification and zonation in a two-dimensional (2D) vertical cross section using cone penetration tests (CPTs). A CPT is usually performed vertically and the number of CPT soundings in a site is often limited in geotechnical engineering practice. It is, therefore, difficult to properly interpret CPT results along the horizontal direction or accurately estimate the horizontal correlation length of CPT data. The method proposed in this study bypasses the difficulty in estimating horizontal correlation length and provides proper identification of subsurface soil stratification (i.e., soil layer number is constant along horizontal direction) and zonation (i.e., soil layer number varies along horizontal direction) in a 2D vertical cross section directly from a limited number of CPT soundings. The proposed method consists of three key elements: 2D interpolation of CPT data using 2D Bayesian compressive sampling; determination of soil behavior type (SBT) using a SBT chart at every location in the 2D section, including locations with measurements and unsampled locations; and soil layer or zone delineation using an edge detection method. Both simulated and real data examples are used to illustrate the proposed method. Results show that the method performs well even when only five sets of CPT soundings are available.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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