MétaCan
Menu
Retour à la cohorte
Enregistrement W4225166044 · doi:10.11159/icgre22.178

Sand-Biosolids Mixture Characterization and Potential

2022· article· en· W4225166044 sur OpenAlexvenueno aff
Ahmed M. M. Hasan, Ahmed M. Elwy, Begad A. Taha, Ahmed M. Mostafa, Sherif S. AbdelSalam

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensnon disponible
Organismes subventionnairesNile University
Mots-clésBiosolidsCharacterization (materials science)Environmental scienceMaterials scienceNanotechnologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Biosolid-sludge of sewage treatment plants was mixed with clean coarse sands to reduce soil permeability and assess the potential of utilizing such mix for several geotechnical applications.One of the applications was to develop a soil mix with low permeability for use in roadway embankments subjected to torrents from sudden heavy rain in desert areas.The main purpose was to address a sustainable and eco-friendly mix to be used as an additional protection to the current boulder lining for such embankments.In this study, biosolid sludge was mixed with medium dense sand using percentages equal to 0%, 5%, 10%, and 20% by weight of sand.The sludge was broken on sieve number 4" then a Proctor test was performed to determine the optimum moisture content to be used with all these mixes.Several other laboratory tests were conducted such as direct shear, unconfined compression and California bearing ratio to determine changes in the mechanical properties of the mixes.This in addition to the free swelling test to assess the tendency of volume expansion of these sand-biosolid mixes, as well as the constant head permeability 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.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,000
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 Opus0,003
Tête enseignante GPT0,157
Écart entre enseignants0,154 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetMaterials Engineering and ProcessingTravaux en français237 207