MétaCan
Menu
Retour à la cohorte
Enregistrement W3118018645 · doi:10.5539/mas.v15n1p53

Using Fine Silica Sand and Granite Powder Waste to Control Free Swelling Behavior of High Expansive Soil

2020· article· en· W3118018645 sur OpenAlexvenueno aff
Manal O. Suliman, Abdulrazzaq Jawish Alkherret

Notice bibliographique

RevueModern Applied Science · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExpansive clayAtterberg limitsSubgradeGeotechnical engineeringSwellingCuring (chemistry)SwellExpansiveSoil waterEnvironmental scienceMaterials scienceSoil testSoil scienceGeologyCompressive strengthComposite material

Résumé

récupéré en direct d'OpenAlex

Many researchers have been interested in studying the effect of adding local natural materials or construction waste on the properties of poor subgrade soil. However, changes in size and strength of expansive soils can cause extensive damage to the geotechnical infrastructure. This damage is often repeatable and latent in the long term, and is a critical issue in highway subgrade engineering. This paper examines the effect of adding both Fine Silica Sand (FSS) and Granite Cutting Powder Waste (GPW) materials on the welling characteristics of expansive soils. Atterberg limits, free swell index, and rate of swell of the mixtures were used as a key to assess properties of a group of expansive soil samples after adding different percentages of the mentioned materials. The rates of additions were 10%, 20%, 30%, 40%, 50%, 60 and 70% of the weight of the soil samples. The test results showed that FSS and GPW significantly affect the expansive soil properties. However, adding 70% of both FSS and GPW reduced the swelling index from 58.3% to 6.6% and from 58.3% to 11% after 7 days of curing, respectively. This study suggests that the Fine Silica Sand and Granite Powder Waste can be used as stabilizers for expansive highly plastic soils.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,655

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 Opus0,019
Tête enseignante GPT0,217
Écart entre enseignants0,198 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207