MétaCan
Menu
Retour à la cohorte
Enregistrement W3091780209 · doi:10.1139/cjce-2020-0090

Effects of dosage of warm mix asphalt additive on stiffness, cracking susceptibility, and moisture sensitivity characteristics

2020· article· en· W3091780209 sur OpenAlexaffvenue
Salvatory Materu, Ahmed Shalaby, Ahmed Ghazy

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAsphaltRutCompactionCrackingMoistureMaterials scienceCementUltimate tensile strengthMixing (physics)Composite materialAsphalt pavementGeotechnical engineeringEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Warm mix asphalt (WMA) technology has the capability of lowering asphalt mixing and compacting temperature by 30 °C or more without compromising the performance of asphalt pavement. This results to a lower cooling rate that allows for long haul, and sufficient compaction time. The objective of this study is to evaluate the effectiveness of the common chemical additives on the properties of WMA mixtures through field and laboratory testing programs. Three dosages (0.3, 0.5, and 0.7% by weight of asphalt cement) were used without changing the job mix formula. Among the different additive dosage used, 0.5% had a better overall performance. For example, the moisture sensitivity test for the 0.5% WMA indicated the highest tensile strength ratio; subsequently, low moisture damage. All WMA mixtures had low rutting resistance potential and higher cracking resistance compared to conventional mix.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

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

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 GPT0,195
Écart entre enseignants0,187 · 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 tête enseignante, 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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207