MétaCan
Menu
Retour à la cohorte
Enregistrement W4292865389 · doi:10.1680/jgrim.21.00015

Evaluation of micro-metakaolin and ferric chloride solution in stabilising expansive soils

2022· article· en· W4292865389 sur OpenAlexaff
Mohamed Sakr, Waseim Azzam, Mohamed A. Meguid, Asaad F. Hassan, Hebatalla Ghoneim

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Ground Improvement · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésExpansive clayFerricChlorideBentoniteMetakaolinSwellingSoil waterChemistryMaterials scienceInorganic chemistryGeotechnical engineeringGeologyMetallurgySoil scienceComposite materialCement

Résumé

récupéré en direct d'OpenAlex

Expansive soils are generally characterised by their volume change when subjected to variation in water content. This may result in significant damage to supported and nearby structures. In this study, the swelling properties of bentonite material as an expansive soil are first determined. The expansive soil is then improved using two different approaches, namely, micro-metakaolin (M m ) and ferric chloride (FeCl 3 ) solution. The optimum percentages for both additives are determined using laboratory experiments, which are 25 and 1% for the M m and the ferric chloride solution, respectively. The free swell index of the bentonite after being treated with M m and ferric chloride solution at the optimum percentages is found to decrease by about 54 and 62%, respectively. Meanwhile, the swelling pressure for the expansive soil decreased by 33 and 43% when mixed with the same optimum values of M m and ferric chloride solution, respectively. On the basis of the results obtained in this study, the addition of ferric chloride solution achieved better results compared with M m . This improvement technique may be used to enhance the properties of expansive soils that support different construction engineering projects.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,021
Tête enseignante GPT0,238
Écart entre enseignants0,218 · 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'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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Civil Engineers - Ground ImprovementMême sujetConcrete and Cement Materials ResearchTravaux en français237 207