MétaCan
Menu
Retour à la cohorte
Enregistrement W3082408358 · doi:10.1061/9780784483183.026

Quick Asphalt Binder Low-Temperature PG Determination Using DSR

2020· article· en· W3082408358 sur OpenAlexaff
Alaeddin Mohseni, Haleh Azari

Notice bibliographique

RevueInternational Conference on Transportation and Development 2020 · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensCentre for Movement Disorders
Organismes subventionnairesnon disponible
Mots-clésDynamic shear rheometerRheometerAsphaltCrackingMaterials scienceCalibrationCreepTest methodComputer scienceMechanical engineeringComposite materialRutProcess engineeringStructural engineeringEngineeringRheologyMathematics

Résumé

récupéré en direct d'OpenAlex

Thermal cracking at low temperature is a major asphalt pavement distress that can cause premature failure. For this reason, Superpave system has developed asphalt performance grade (PG) based on environment. Standard test method for determining low-temperature asphalt grade is AASHTO T 313 using BBR (bending beam rheometer) device. This test method has been well adopted; however, challenges exist with the test procedure for wider use. The BBR device needs constant calibration and the test is rather tedious and time consuming. The test involves use of hazardous liquids and needs extensive technician training. One BBR test only provides grade verification and another test at a lower temperature is needed to provide the continuous PG. To improve the low-temperature PG determination, Pavement Systems has introduced iCCL (incremental creep for cracking at low-temperature) test on a DSR (dynamic shear rheometer). iCCL provides equivalent results to BBR, yet requires less time to conduct, has higher precision, provides higher safety from eliminating chemicals, requires minimal technician training, and may be used in the field; hence, iCCL is a more practical than BBR.

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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,049
Tête enseignante GPT0,280
Écart entre enseignants0,231 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Conference on Transportation and Development 2020Même sujetAsphalt Pavement Performance EvaluationTravaux en français237 207