Evaluation of the Shear Strength Behavior of TDA Mixed with Fine and Coarse Aggregates for Backfilling around Buried Structures
Notice bibliographique
Résumé
Although some discarded tires are reused in various applications, a considerable number end up in landfills, where they pose diverse environmental problems. Waste tires that are shredded to produce tire-derived aggregates (TDA) can be reused in geotechnical engineering applications. Many studies have already been conducted to examine the behavior of pure TDA and soil-TDA mixtures. However, few studies have investigated the behavior of larger TDA particles, 20 to 75 mm in size, mixed with various types of soil at percentages ranging from 0% to 100%. In this study, TDA was mixed with gravelly, sandy, and clayey soils to determine the optimum soil-TDA mixtures for each soil type. A large-scale direct shear box (305 mm × 305 mm × 220 mm) was used, and the mixtures were examined with a series of direct shear tests at confining pressures of 50.1, 98.8, and 196.4 kPa. The test results indicated that the addition of TDA to the considered soils significantly reduces the dry unit weight, making the mixtures attractive for applications requiring lightweight fill materials. It was found that adding TDA to gravel decreases the shear resistance for all considered TDA contents. On the contrary, adding up to 10% TDA by weight to the sandy or clayey soils was found to increase the shear resistance of the mixtures. Adding up to 10% TDA by weight to the clayey soil also sharply increased the angle of internal friction from 18.8° to 32.3°. Moreover, it was also found that the addition of 25% TDA by weight to the gravelly or sandy soils can reduce the lateral earth pressure on buried structures by up to 20%. In comparison, adding 10% TDA to clay resulted in a 36% reduction in the lateral earth pressure.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».