MétaCan
Menu
Retour à la cohorte
Enregistrement W4297394223 · doi:10.1520/gtj20210268

Large Permeameter for Continuing Erosion Filter Tests

2022· article· en· W4297394223 sur OpenAlexaff
Maoxin Li, Emily Tham, Sasi Sasitharan, Jonathan Fannin, Mark Foster, Li Yan

Notice bibliographique

RevueGeotechnical Testing Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueDam Engineering and Safety
Établissements canadiensUniversity of British ColumbiaPowertech Labs (Canada)BC Hydro (Canada)
Organismes subventionnairesnon disponible
Mots-clésPermeameterInternal erosionGeotechnical engineeringLeveeErosionFilter (signal processing)InflowEnvironmental scienceGeologyEngineeringHydraulic conductivitySoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The Continuing Erosion Filter (CEF) test and criteria were developed by Foster and Fell to assess severities of internal erosion of an existing embankment dam whose filter does not satisfy modern filter design criteria developed by Sherard and Dunnigan. Those criteria were developed from laboratory tests on materials that may not be directly applicable to the widely graded filter materials. To address this issue, a large diameter (300 mm) rigid-wall permeameter was constructed to assess the internal erosion of zoned embankment dams constructed of widely graded filter materials. The large permeameter allows for testing of embankment dam fill materials up to a maximum particle size of 37.5 mm. A commissioning test program was conducted to verify the test equipment and testing methodology used in this study. Two CEF test results from the test program are reported in this paper to demonstrate the novel features of the permeameter cell design and its test setup. These features include a split-cell design for ergonomic function, real-time outflow rate measurement, inflow and filter specimen water pressure measurements, and erosion loss measurement. A wet method to estimate erosion loss was proposed as an alternative to the traditional oven-drying method.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,236
Écart entre enseignants0,214 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeotechnical Testing JournalMême sujetDam Engineering and SafetyTravaux en français237 207