MétaCan
Menu
Retour à la cohorte
Enregistrement W3007150823 · doi:10.1061/9780784482834.023

Experimental Study to Determine an EICP Application Method Feasible for Field Treatment for Soil Erosion Control

2020· article· en· W3007150823 sur OpenAlexaboutno aff
Rashidatu Ossai, Lucas Rivera, Paola Bandini

Notice bibliographique

RevueGeo-Congress 2020 · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Applications in Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCementation (geology)Soil stabilizationCompactionGeotechnical engineeringEnvironmental scienceSoil scienceSoil waterGeologyMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The end goal of this research is assessing the feasibility of using enzyme induced carbonate precipitation (EICP) to create a cemented top layer to control runoff erosion in sloping sandy soil. The paper presents the results of an experimental study of bench-scale tests on EICP-treated sands to determine a treatment method feasible for field placement for this application. The soils tested were two natural sands and Ottawa 20–30 sand used as control. The EICP application methods were percolation by gravity, one-step mix-compact, and two-step mix-compact. Other conditions considered were pre-rinsing the sand prior to treatment, adjusting soil pH prior to treatment, and changing the EICP solution concentration. Promising results for this field application were obtained using the two-step mix-compact when the soil was first mixed with the urease enzyme solution before compaction. Considering that the EICP reaction starts once all components are added, this method would ensure that the reaction does not take place before the protective layer of treated soil has been installed. The effect of pre-rinsing the natural sand was not consistent throughout the testing conditions and its role in improving soil cementation in natural sand needs further study.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,337
Écart entre enseignants0,303 · 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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeo-Congress 2020Même sujetMicrobial Applications in Construction MaterialsTravaux en français237 207