MétaCan
Menu
Retour à la cohorte
Enregistrement W3168670720 · doi:10.3390/app11125481

Impacts of Material Orthotropy on Mechanical Behaviors of Asphalt Pavements

2021· article· en· W3168670720 sur OpenAlexaff
Miao Lin, Changbin Hu, Hongxin Guan, Said M. Easa, Zhenliang Jiang

Notice bibliographique

RevueApplied Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSubgradeMaterials scienceAnisotropyIsotropyOrthotropic materialGeotechnical engineeringDeflection (physics)RutComposite materialModulusFinite element methodAsphaltStructural engineeringGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Material anisotropy significantly impacts the mechanical behaviors of asphalt pavements. However, most current asphalt pavement design methods treat the material properties only as isotropic, which could significantly skew the mechanical behaviors. There is a need to evaluate the impact of material anisotropy on pavement mechanical behaviors. In this study, we first developed a new and efficient 3-dimensional finite element (FE) model of anisotropic material. Then, the feasibility of the proposed FE model was verified using field data collected with a falling weight deflectometer. Finally, using this model, the contributions of each layer anisotropy to the mechanical properties were determined. The results showed that the mechanical behaviors were more sensitive to the orthotropy than to the transverse isotropy of the material. The all-layer orthotropy was the most unfavorable combination. In addition, the subgrade orthotropy showed the most significant effect on increasing the surface deflection and compressive strain of the subgrade top (by about 10%). Based on the study results, we recommend that the homogeneity degree of the filling subgrade should be strictly controlled to ensure adequate pavement capacity and anti-rutting performance during construction.

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)0,001
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
Métarecherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,279
Écart entre enseignants0,257 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207