KAJIAN PEMANFAATAN MATRAS BAMBU PADA PERBAIKAN NILAI CALIFORNIA BEARING RATIO (CBR) TANAH LEMPUNG
Notice bibliographique
Résumé
Tanah lempung memiliki daya dukung, stabilitas, dan nilai CBR (California Bearing Ratio) yang rendah. Tanah dasar dengan CBR rendah perlu perkuatan untuk memperbaiki sifat mekanis dan meningkatkan daya dukung ketika pelaksanaan pemadatan dan penghamparan tanah dengan alat berat dan saat beban kendaraan bekerja di atas permukaan jalan. Material bambu berpotensi digunakan sebagai perkuatan tanah lempung. Tujuan penelitian ini adalah untuk mengetahui pengaruh perkuatan matras bambu tipe anyam dan nir-anyam dan pengaruh jumlah lapis perkuatan terhadap nilai CBR. Perkuatan matras bambu dibedakan tipe anyam dan nir-anyam sebanyak 3 dan 5 lapis dengan jumlah pukulan pada benda uji CBR sebanyak 25 dan 56 pukulan. Uji CBR dilakukan pada lempung tanpa perkuatan dan dengan perkuatan. Nilai CBR tanah yang diperkuat matras bambu nir-anyam didapatkan sebesar 4,4-5,06%, sedangkan nilai CBR untuk tanah dengan perkuatan matras bambu anyam sebesar 4,56-5,30%. Susunan matras bambu tipe anyam lebih rapat dan terikat satu sama lain, sehingga lebih kokoh dan stabil dalam menerima beban. Jumlah lapis perkuatan dengan spasi vertikal yang lebih rapat menghasilkan nilai CBR yang lebih tinggi dari jumlah lapis perkuatan yang lebih sedikit. Spasi vertikal yang lebih rapat dapat memperluas bidang kontak tekanan, sehingga beban yang dapat dipikul semakin tinggi. Matras bambu tipe anyam dengan jumlah lapis lebih banyak didapatkan memiliki kinerja yang baik dalam meningkatkan nilai CBR tanah dasar untuk konstruksi jalan.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».