Experimental Investigation and Prediction of the Permanent Deformation of Crushed Waste Rock Using an Artificial Neural Network Model
Notice bibliographique
Résumé
The gradual accumulation of permanent deformation in unbound granular material layers is one of the main reasons for flexible pavement rutting. The accurate determination of permanent deformation behavior in pavement materials is critical for the successful design of pavement systems. However, predicting the permanent deformation is complex, and the available empirical regression models have limited accuracy and applicability. In this study, multistage repeated load triaxial tests were carried out under different stress levels in order to evaluate the permanent strain and shakedown ranges of crushed waste rock. The plastic shakedown limit and plastic creep limit were determined so as to estimate the shakedown range of crushed waste rock under certain stress conditions. The Rahman and Erlingsson model (extended using a time-hardening approach) performed better than other models at fitting the accumulated permanent strains (R2 > 0.92), although the prediction accuracy of the shakedown range was relatively low (<85%). An artificial neural network (ANN) model was therefore developed, based on the experimental results, to predict the permanent strain of crushed waste rock. The ANN model consisted of three hidden layers (50 neurons per layer) with Tanh activation function and could predict the permanent strain (R2 > 0.97) and shakedown ranges (accuracy >93%) satisfactorily.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».