MétaCan
Menu
Retour à la cohorte
Enregistrement W3083062514 · doi:10.1007/s12205-020-0034-1

Numerical Investigation of the Influence of Rock Characteristics on the Soil-Rock Mixture (SRM) Slopes Stability

2020· article· en· W3083062514 sur OpenAlexaff
Shiqi Liu, Huanling Wang, Weiya Xu, Zhichao Cheng, Zhipeng Xiang, Wei‐Chau Xie

Notice bibliographique

RevueKSCE Journal of Civil Engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGeologyGeotechnical engineeringSlope stability analysisSlope stability probability classificationSlope stabilityStability (learning theory)Friction angleComputer simulationMechanics

Résumé

récupéré en direct d'OpenAlex

Soil-rock mixture is a widely distributed geological material in mountainous regions, where slope stability is an important issue. To investigate the influence of rock on slope stability, firstly, rocks in SRM are generated and then SRM slope models are simulated based on the finite difference method (FDM). The impact of various characteristics of rocks on slope factor of safety (FOS) is studied systematically by using the reduced strength method. The characteristic of rock considered include rock content, number of rock edges, aspect ratio, rock size and inclination of rock. The simulations indicate that increasing the rock content can prevent the development of high strain region and improve slope stability. However, the aspect ratio of rock has negligible impact on the mean value of FOS. For slopes with 45° slope angle, rocks with 45° angle of inclination result in smooth potential sliding surface, whereas rocks with 135° angle of inclination lead to more tortuous potential sliding surfaces. Statistical indices are utilized to analyze the results of numerical modelling.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,174
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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

Citations47
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueKSCE Journal of Civil EngineeringMême sujetLandslides and related hazardsTravaux en français237 207