MétaCan
Menu
Retour à la cohorte
Enregistrement W4313404037 · doi:10.1680/jgein.22.00298

Freeze-thaw behavior of geocell-reinforced bases considering different fines contents

2022· article· en· W4313404037 sur OpenAlexaff
M. Huang, Cheng Lin, Sanat K. Pokharel

Notice bibliographique

RevueGeosynthetics International · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésFrost heavingGeotechnical engineeringGeosyntheticsStiffnessSettlement (finance)Environmental scienceBearing capacityFrost (temperature)Bearing (navigation)GeologyMaterials scienceComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Freeze-thaw (F-T) cycles are a major cause of pavement distress in seasonal frost regions, and the presence of fines in bases can accelerate the pavement degradation induced by cyclic freeze and thaw. Among countermeasures used to mitigate the F-T induced damages in pavements, geocell-reinforced bases can be an effective solution in mitigating F-T damage to cold region roads. However, there is almost no research dedicated to understanding the potential benefit of geocells and the underlying mechanisms in this regard. This study employed a custom-made model test device to investigate the F-T performance of geocell-reinforced sands considering different fines contents. The experimental results showed that the increase in fines content substantially increased the peak heave and thaw settlement and decreased the stiffness and ultimate bearing pressure. The application of geocells reduced the peak heave and thaw settlement by 11–18% and 22–35%, respectively, but this benefit was negligible at high kaolin content (12%). The use of geocells increased the stiffness and ultimate bearing pressure by about 43–90% and 41–73%, respectively, after five F-T cycles. The findings of this study are relevant to the design of geocell-reinforced bases under F-T cycles and advance the understanding of the underlying mechanisms.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,042
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,191 · 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.

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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeosynthetics InternationalMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207