Development of a Dynamic Modulus Prediction Model for Hot Mixture Asphalt and Study of the Impact of Aggregate Type and Its Electrochemical Properties
Notice bibliographique
Résumé
The most famous model known in prediction of dynamic modulus for asphalt concretes is the Witczak and Hirsh models. These models didn’t use the mineralogical and chemical properties of aggregates. Witczak models used the passing or refusal percentage to sieve diameters and Hirsh model used the volumetric analysis. All models developed until now considered that the aggregates were geotechnical conforming to standards. In this study the first mineralogical and chemical properties were considered through the percentage of silica in the rock source of aggregates and the electric aggregate particles charge zeta. Dynamic modulus values used for regression process are determined from complex modulus test on nine asphalt concretes mix designed with aggregate types (basalt of Diack, quartzite of Bakel and Limestone of Bandia). Between Twelve initial inputs, the statistical regression by exclusion process keeps only seven parameters as input for the model. The mineralogical model showed good accuracy with R2 equal to 0.09. The student test on the model parameters showed that all the parameters included in the model were meaningful with good p inferior to 0.05. The Fisher test on the model showed the same result. The analysis of the sensitivity of the mineralogical model to zeta potential showed that the dynamic modulus increases with the positive zeta-potentials and decreases with the negative zeta-potentials. The analysis of the sensitivity of the mineralogical model to the silica showed that the dynamic modulus decreases with the increase of the silica.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».