Using Public Well Data Banks to Improve Field Investigations for Excavations
Notice bibliographique
Résumé
ABSTRACT ASTM D420-18, Standard Guide for Site Characterization for Engineering Design and Construction Purposes, states the need “to identify and locate, both horizontally and vertically, significant soil and rock types and groundwater conditions.” Knowing the hydraulic properties of soils and rock is vital for excavations. The project engineers and contractors should have information about expected pumping rate (Q), hydraulic conductivity (K), drawdown, and risks of instabilities. This information is often limited. Experience shows that many engineers and contractors do not consult public data banks for wells, which contain useful but frequently unused information, such as Q values at existing wells near the project. For soils, there are reliable methods to predict the K value. For rocks, the K value is difficult to predict and field results are often highly variable and poorly related to field conditions in excavations. However, a mean K value may be estimated from the specific capacity (SC) value at each tested pumping well (PW). This article presents new practical findings for local correlations between transmissivity and SC, after making a synthesis of over 100 publications. It explains how to derive useful statistics for the Q values distribution and the relative performance of drilling methods, which is rock-specific. This information is a key addition to a field investigation for all professionals involved in a project, especially contractors who have to install dewatering systems for temporary and permanent excavations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».