MétaCan
Menu
Retour à la cohorte
Enregistrement W3118227520 · doi:10.21608/erjeng.2020.131488

Improvement of Expansive Soil by Using Micro Silica Fume

2020· article· en· W3118227520 sur OpenAlexaff
Mohamed Mugahed Sakr, Waseim Azzam, Mohamed A. Meguid, Hebatalla Ghoneim

Notice bibliographique

RevueJournal of Engineering Research - Egypt/Journal of Engineering Research · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésExpansive claySilica fumeExpansiveGeotechnical engineeringMaterials scienceEnvironmental scienceComposite materialGeologyCementSoil waterSoil scienceCompressive strength

Résumé

récupéré en direct d'OpenAlex

Expansive soil shows frequent volume changes with the changes in the moisture content, causing severe problems to the civil engineering structures. Consequently, the measurements of swelling properties including free swell index and swelling pressure are extremely important. Several attempts are being made all over the world to control the swell-shrink behavior of expansive soils. Many researches have investigated how to overcome the problems of such soils by means of using different additives such as cement, lime, steel fibers, stone dust and fly ash. This study is directed towards the improvement of expansive soil with a new, inexpensive and environmentally friendly additive. In this study, the effect of using micro silica fume to stabilize the soil was investigated through a laboratory study. Test results showed that, the micro silica fume can considerably decrease the free swell index value by 69% at 25% micro silica fume content. Also, the swelling pressure is reduced from 410 kN/m2 to nearly 330 kN/m2 and 302 kN/m2 at micro silica fume content of 5% and 25%, respectively. This demonstrates the effectiveness of the proposed addition in the expansive soils improvement. This improvement technique can be used in different civil engineering construction projects including slope stabilization and road embankments.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,057
Tête enseignante GPT0,323
Écart entre enseignants0,266 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Research - Egypt/Journal of Engineering ResearchMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207