Estimating Thermal Conductivity of Pavement Granular Materials and Subgrade Soils
Notice bibliographique
Résumé
The thermal conductivity of soils and granular materials is one of the most important parameters for frost action and thermal analyses in pavements and civil engineering infrastructures. Many predictive models were developed in past decades to correlate thermal conductivity of soils to basic soil index properties. Recently, relationships that cover the complete range of saturation in unfrozen and frozen states were established to consider the effects of porosity, geologic origin and mineralogy, soil type, particle type, and unfrozen water for a variety of soils. A simple and practical tool was developed to estimate thermal conductivity of pavement granular materials and subgrade soils directly as a function of the degree of saturation (water content) on the basis of these generalized thermal conductivity relationships. A new thermal conductivity equation is proposed to estimate thermal conductivity functions for soils such as well-graded gravels; coarse, medium, and fine sands; silty and clayey soils, and peat in unfrozen and frozen states. The new equation was successfully used to predict thermal conductivity functions of four different types of unfrozen and frozen soils from the literature (gravel, sand, clay, and peat). A set of charts is proposed to assess thermal conductivity of soils readily. The use of these charts is illustrated with examples. Both numerical and graphical estimating methods proved to provide accurate prediction results for thermal conductivities for soils and construction materials.
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 | 0,004 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».