Effects of Geogrid Reinforcement on the Backfill of Integral Bridge Abutments
Notice bibliographique
Résumé
The construction of integral bridges is one of the most effective methods to reduce bridges’ construction and in-service costs. However, there are associated geotechnical problems with their abutments backfill due to the integrated abutments. The main goal of this study is to evaluate and quantify the benefits of geogrid reinforcement for reducing the backfill’s geotechnical problems. For this purpose, using small-scale physical modeling, the benefits of geogrid reinforcing of the backfill of an integral abutment bridge subjected to cyclic movements are evaluated. The results are then compared with a previous study performed on unreinforced backfill and two types of geocells. In this study, 120 loading cycles are applied to geogrid-reinforced soil to simulate the cyclic loadings on integral abutment backfill due to seasonal abutment displacement. The horizontal reaction load at the top of the wall, changes in pressure behind the wall, and deformation in backfill soil are measured during the test. Then the results are discussed in terms of equivalent peak lateral soil coefficient (Kpeak), lateral earth pressure coefficient (K*), and normalized settlement behind the wall (Sg/H). The derived lateral soil coefficients and settlement behind the abutment show that geogrid substantially reduces pressure and settlements after 120 cyclic loads. Based on the results, Kpeak and K* of the geogrid-reinforced backfill decrease by up to 36%, and Sg/H behind the wall decreases by 62%. In addition, the comparison of the results for geogrid with two geocell types shows that geogrid is more efficient in terms of lateral soil coefficients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».