MétaCan
Menu
Retour à la cohorte
Enregistrement W4283457579 · doi:10.1139/cgj-2021-0074

Exploratory application of a novel centre cross diaphragm method for the construction of large cross-section tunnels in soft ground

2022· article· en· W4283457579 sur OpenAlexvenueno aff
Gang Zheng, Hui‐Liang Li, Tianqi Zhang, Jibin Sun, Ruikun Wang, Huimin Qiu, Yu Diao

Notice bibliographique

RevueCanadian Geotechnical Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExcavationDiaphragm (acoustics)Geotechnical engineeringStructural engineeringCross section (physics)Suspension (topology)Tunnel constructionEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

For tunnelling in urban areas, the current sequential excavation (SE) method usually increases the number of temporary drifts to achieve better control of surface settlements, which may prolong construction duration. In this case study, a four-drift SE method, termed the suspension-type centre cross diaphragm (S-CRD) method, was proposed and applied to the construction of a large cross-section tunnel in soft ground, where normally the six-drift double-side drift (DSD) method would be adopted. Field monitoring results and statistical data indicated that, in comparison with the six-drift DSD method, the four-drift S-CRD method achieved better control of the surface settlements while improving the efficiency of construction by 30%. The advantages of the S-CRD method, i.e., safe and rapid construction, were eminently clear.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207