MétaCan
Menu
Retour à la cohorte
Enregistrement W3094148409 · doi:10.1155/2020/4274926

Study of the Permanent Deformation of Soil Used in Flexible Pavement Design

2020· article· en· W3094148409 sur OpenAlexaff
Wendel Silva Cabral, Suelly Helena de Araújo Barroso, Samuel de Almeida Torquato e Silva

Notice bibliographique

RevueAdvances in Civil Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensTransport Canada
Organismes subventionnairesFundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico
Mots-clésGeotechnical engineeringDeformation (meteorology)Structural engineeringTriaxial shear testEmpirical modellingGranular materialArtificial neural networkPavement engineeringComputer scienceMaterials scienceGeologyEngineeringSimulationComposite materialMachine learning

Résumé

récupéré en direct d'OpenAlex

The decreasing supply of soils with geotechnical parameters suitable for pavement designs is a visible problem in our environment. In order to establish more efficient designs and adequate construction criteria, it is essential to understand the performance of materials. This is a study of the permanent deformation (PD) of soil used in pavement layers, obtaining prediction models through the technique of artificial neural networks, in addition to the design of pavement structures using mechanistic‐empirical and empirical methods. The multistage repeated load triaxial (RLT) test, as well as numerical analyses of stresses and displacements using the CAP3D program, was used. The results showed that both the test procedure and the prediction models performed satisfactorily in obtaining PD behavior. Moreover, designs using the methods adopted resulted in distinct structures, that is, thickness different from the granular pavement layers. It was concluded that the model and test procedure exhibit significant potential for characterizing and modeling the PD of granular materials.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Civil EngineeringMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207