MétaCan
Menu
Retour à la cohorte
Enregistrement W3021963649 · doi:10.3390/app10093111

Effect of Micropiles on Clean Sand Liquefaction Risk Based on CPT and SPT

2020· article· en· W3021963649 sur OpenAlexaff
Visar Farhangi, Moses Karakouzian, Marten Geertsema

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensMinistry of Forests
Organismes subventionnairesnon disponible
Mots-clésLiquefactionGeotechnical engineeringStandard penetration testCone penetration testPenetration testSoil liquefactionEnvironmental scienceGeologySubgrade

Résumé

récupéré en direct d'OpenAlex

Liquefaction is a hazardous seismic-based phenomenon, which causes an abrupt decrease in soil strength properties and can result in the massive destruction of the built environment. This research presents a novel approach to reduce the risk of soil liquefaction using jet-grouted micropiles in clean sands. The saturated soil profile of the study project mainly contains clean sands, which are suitable to more reliably employ simplified soil liquefaction analyses. The grouting is conducted using 420 micropiles to increase the existing soil properties. The effect of jet grouting on reducing the potential of liquefaction is assessed using the results of the cone penetration test (CPT) and the standard penetration test (SPT), which were conducted before and after jet grouting by implementing micropiles in the project sites. According to three CPT-based liquefaction analyses, the Juang method predicts the most effective improvement range of the factor of safety in the clean sand. The Boulanger and Idriss, and Eurocode methods show comparable evaluations. Results of the SPT-based analyses show the most considerable increase of the factor of safety following the Boulanger and Idriss, and NCEER approaches in the SP soil. CPT- and SPT-based analyses confirm the effectiveness of jet grouting by micropiles on enhancing soil properties and reducing the risk of liquefaction.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,193 · 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

Citations54
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetGeotechnical Engineering and Underground StructuresTravaux en français237 207