MétaCan
Menu
Retour à la cohorte
Enregistrement W3204253533 · doi:10.1680/jenes.21.00013

Evaluating water and gas permeability of fiber-modified landfill clay-base liner

2021· article· en· W3204253533 sur OpenAlexvenueno aff
M. Amini, Hajar Share Isfahani, Amin Azhari

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermeability (electromagnetism)Polyvinyl alcoholMaterials scienceComposite materialPolypropyleneFiberBentoniteEnvironmental scienceGeotechnical engineeringGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

Due to the progressive use of landfills and the challenges about their effect on their surrounding environment, the hydraulic and gas permeability of the landfill liners has always been a great concern for geotechnicians. Clay-based materials are usually used as the main material for landfill liners. Various additives are implemented to control the hydraulic and gas permeability of these clay liners under different climate conditions. The attempt of this research was to investigate the effect of using four types of geo-fibers, including ordinary and web polyester, polypropylene, and polyvinyl alcohol fibers, on reducing the hydraulic and gas permeability under wet and dry conditions. In this regard, two sets of water and gas permeability tests were performed for clay–fiber mixtures with 0.2, 0.4, and 0.6 weight percentages of fiber additives. The results showed an initial decrease and then a growth in the permeability coefficients by increasing the fiber dosages, resulting in an optimum percentage for each fiber type. Among the fibers used in this study, polyvinyl alcohol fiber with 0.2 weight per cent performed best by reducing the permeability coefficient by approximately 65% and 75% for hydraulic and gas permeability coefficients under wet and dry conditions.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207