MétaCan
Menu
Retour à la cohorte
Enregistrement W3113525853 · doi:10.1088/1757-899x/1007/1/012178

Design alternative on peat soil

2020· article· en· W3113525853 sur OpenAlexaboutno aff
Vicky Muroby, Chaidir Anwar Makarim

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical and construction materials studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeatEnvironmental scienceDewateringHectareGeotechnical engineeringMining engineeringGeologySoil scienceGeographyAgricultureArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Construction on peat soil has its own difficulty and challenge due to its properties of low shear strength, high compressibility, high water content, and flammable material. Indonesia ranked 4th on peat land area around the world after Canada, Russia, and United States. Based on recent mapping, peat land covers 14,9 million hectare in Indonesia. This paper presents the finding from literature studies regarding peat soil, construction on peat soil, case studies for road infrastructure construction on peat soil at West Borneo, Indonesia, and provide analysis and recommendation for the problems faced. Construction on peat soil requires special attention, especially on the design and execution. In the event where construction must be performed on a peatland which thickness is < 3m, the approach recommended is peat removal and replacement. If the peat thickness is 3-10 m, adopt the preloading, construction with vertical and sand drain, lightweight fills, surface mattress, stone column, etc. If the peat thickness is < 10m, use pile as foundation. Unit price contract is preferable over lumpsum contract due to the high uncertainties of peat soil. Environment impact due to construction on peat soil need to be accounted for, also the risk of peat fires need to be considered if dewatering used.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,027
Tête enseignante GPT0,199
Écart entre enseignants0,172 · 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'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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetGeotechnical and construction materials studiesTravaux en français237 207