MétaCan
Menu
Retour à la cohorte
Enregistrement W4384695513 · doi:10.22215/etd/2023-15592

Evaluating Performance of Alternative Deicers for Winter Road Maintenance: Deicing and Corrosivity

2023· dissertation· en· W4384695513 sur OpenAlexaff
Mitchell David Lawlor

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBrinePenetration rateCorrosionPenetration testEnvironmental engineeringEngineeringEnvironmental scienceGeotechnical engineeringMetallurgyMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to investigate the efficiency and environmental impacts of different types of deicers.Four different types of experiments were conducted.For the first three experiments there were seven alternative deicers and rock salt used for every experimental scenario, the last experiment used only rock salt.The first two tests were an ice melting capacity test and an ice penetration test, conducted simultaneously in the laboratory setting.The experiments determined the melting speed and ice penetration rate of each deicer at three different loading rates and three different temperatures.The results show that all alternative deciers were comparable to road salt in every aspect.The third test was a corrosivity test, the deicers were dissolved in water to create a brine solution where rebar pieces were soaked.The test did a soak/dry cycle for four weeks and the results showed that all the alternative deicers outperformed rock salt in minimizing the amount of rust created.The final test was the bare pavement regain efficiency of rock salt in a field setting in extreme cold conditions.Loading rates varied between 5lbs/1000sqft, 10lbs/1000sqft, and 20lbs/1000sqft.The field results were not promising from the ice melting perspective for winter road maintenance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,310
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Materials for ConstructionTravaux en français237 207