Formation mechanism of clogging of dredge slurry under vacuum preloading visualized using digital image technology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vacuum preloading combined with prefabricated vertical drains (PVDs) system has been widely used to improve the soft clay with high water content. Clogging is usually formed around the PVDs during the vacuum preloading, impeding the propagation of the vacuum pressure and slowing down the consolidation process. To understand the forming mechanism of the clogging, particle image velocimetry (PIV) technique and particle tracking velocimetry (PTV) technique were adopted in the model test of vacuum preloading test. Through this study, three stages can be identified from the results of water volume discharge rate and maximum displacements versus time. In the first stage, the soil around the PVD is horizontally consolidated, which leads to the rapid formation of clogging. In the second stage, the formation of clogging slows down due to the loss of vacuum pressure, which further reduces the drainage. In the third stage, the clogging tends to be stable, and the drainage consolidation rate is significantly reduced. PTV results show that there is a difference in the displacement of large and small particles during improvement. Two methods were proposed to estimate the thickness of clogging zone, reflecting a growing layer of clogging zone compressed around the PVD. This study provides new insights to investigate the formation mechanism of clogging during vacuum preloading test.
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.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle