MétaCan
Menu
Retour à la cohorte
Enregistrement W4205289949 · doi:10.3390/s22020521

As-Built Inventory and Deformation Analysis of a High Rockfill Dam under Construction with Terrestrial Laser Scanning

2022· article· en· W4205289949 sur OpenAlexaff
Peiwei Xiao, Ran Zhao, Duohui Li, Zhaogao Zeng, Shunchao Qi, Xing-guo Yang

Notice bibliographique

RevueSensors · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensCarleton University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSichuan UniversityNational Natural Science Foundation of China
Mots-clésPoint cloudDeformation monitoringLaser scanningGeodetic datumComputer scienceDeformation (meteorology)Pipeline (software)Computer visionGeologyArtificial intelligenceGeodesyLaser

Résumé

récupéré en direct d'OpenAlex

The construction of large earth/rock fill dams, albeit its remarkable progress, still relies largely on past experiences. Therefore, a comprehensive yet dependable monitoring program is particularly beneficial for guiding the practice. However, conventional measurements can only produce limited discrete data. This paper exploits the potential of the terrestrial laser scanning (TLS) for an accurate inventory of as-built states of a concrete-faced rockfill dam under construction and for a full-field analysis of the 3D deformation pattern over its upstream face. For the former, a well-designed 3D geodetic system, with a particular consideration of the topography, promises a regulated acquisition of high-quality and blind-zone-free point cloud at field and also eases the cumbersome data registration process while maintaining its precision in house. For the latter, a problem-tailored processing pipeline is proposed for deformation extraction. Its core idea is to achieve a highly precise alignment of the point clouds with Iterative Closed Point algorithms from different epochs in datum areas that displays a featured, undeformed geometry at stable positions across epochs. Then, the alignment transformation matrix is applied to the point clouds of respective upstream face for each epoch, followed by pairwise comparisons of multiple adjusted point clouds for deformation evaluation. A processing pipeline is used to exploit the peal scene data redundancy of the GLQ dam acquired at six different epochs. Statistical analysis shows that satisfactory accuracy for deformation detection can be repeatably achieved, regardless of the scanner's positioning uncertainties. The obtained 3D deformation patterns are characterised by three different zones: practically undeformed, outward and inward deformed zones. Their evolutions comply well with real construction stages and unique 3D valley topography. Abundant deformation results highlight the potential of TLS combined with the proposed data processing pipeline for cost-efficient monitoring of huge infrastructures compared to conventional labor-intense measurements.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
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 Opus0,016
Tête enseignante GPT0,211
Écart entre enseignants0,195 · 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'étudeObservationnel
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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujet3D Surveying and Cultural HeritageTravaux en français237 207