MétaCan
Menu
Retour à la cohorte
Enregistrement W3106703867 · doi:10.1061/(asce)mt.1943-5533.0003553

Geomaterial Characterization and Stability Assessment of Hydraulic Fill Dams

2020· article· en· W3106703867 sur OpenAlexaff
Sayantan Chakraborty, Tejo V. Bheemasetti, Anand J. Puppala, Jasaswee T. Das, Santiago R. Caballero

Notice bibliographique

RevueJournal of Materials in Civil Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensIntertek (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeotechnical engineeringGeologyStability (learning theory)VisualizationSlope stabilityEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

In this research study, the stability of a hydraulic fill dam located in a newly declared seismically hazardous zone in north Texas was evaluated, incorporating the effect of geomaterial variability existing in the dam. Hydraulic fill dams exhibit highly variable geomaterial conditions due to the method of construction and are prone to stability issues during earthquakes. Hence, a comprehensive study was needed to account for such variations in geomaterial properties and assess the stability of the dam rather than performing routine analysis using representative geomaterial properties for the shell, core, and foundation of the dam. Cone penetration tests were performed on the dam to study geomaterial properties and their variabilities. These results were used to develop three-dimensional (3D) visualization models using kriging analysis. The geomaterial properties obtained from the visualization models were subsequently used in the slope stability analyses. The developed visualization models depicted the variation of geomaterial properties within the dam. The use of the visualization models has led to the development of an innovative approach for performing stability analyses of earthen dams with high geomaterial variability.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,204 · 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'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 revueJournal of Materials in Civil EngineeringMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207