Canadian Geotechnical Colloquium: three-dimensional remote sensing, four-dimensional analysis and visualization in geotechnical engineering — state of the art and outlook
Notice bibliographique
Résumé
Successful geotechnical projects occur when the design is based on a thorough understanding of the geologic and environmental systems and the interaction of these systems over time. The ability to examine and track movement through space and time has been an essential part of the geoprofessional’s toolkit since the onset of the practice. Since the early 2000s, high-resolution three-dimensional (3D) topographic data have begun to transform how we map and understand movement through time across spatially extensive regions at unprecedented levels of accuracy and confidence. This paper examines how high-resolution 3D topographical data, four-dimensional (4D) analysis, and visualization of data in 3D environments can improve our ability to better understand changes in the morphology and material behaviour through time, leading to better decisions and better outcomes. Evolution of advancements made over the past 20 years is presented through case studies where positive impacts were realized through the adoption of 3D remote sensing and 4D analysis, and cases where data could be used in the future to improve outcomes. The paper presents current research being done to further improve processing techniques and exploit new data collection and computational processing capabilities, pushing the capability of time-dependant 4D geotechnical monitoring to new limits.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».