MétaCan
Menu
Retour à la cohorte
Enregistrement W4255749541 · doi:10.1061/9780784481578.056

Evaluation of Screening Tool for Impact Hammer Selection for Installation, Testing and Damage Mitigation of Steel Pipe and H-Piles

2018· article· en· W4255749541 sur OpenAlexaff
Gerald Verbeek, David Tara, Les R. Chernauskas

Notice bibliographique

RevueIFCEE 2018 · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensRead Jones Christoffersen (Canada)
Organismes subventionnairesnon disponible
Mots-clésHammerPileSelection (genetic algorithm)EngineeringImpact energyStructural engineeringReliability engineeringGeotechnical engineeringMarine engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Typically, impact hammer selection must consider drivability, testing requirements (assuming the same hammer is used for dynamic load testing), and the potential for pile damage, especially where piles are installed into dense or hard strata. There are various guidelines regarding the maximum allowable driving stresses and the maximum recommended driving energy of the impact hammer to avoid damaging steel pipe piles and H-piles during installation under such conditions. In a companion paper, these guidelines were reviewed to develop a preliminary screening tool for selecting an impact hammer to safely install and test steel pipe and H-piles. This paper will examine a case history where an H-pile was damaged during installation. The paper will review the hammer selection against this screening tool and how the pile damage could have been predicted using the screening tool in conjunction with sophisticated simulation and analysis software. The paper will also demonstrate the importance of interpreting the results of a pile driving simulation properly to ensure a reliable prediction of the actual pile driving conditions.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,042
Tête enseignante GPT0,292
Écart entre enseignants0,250 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFCEE 2018Même sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207