MétaCan
Menu
Retour à la cohorte
Enregistrement W4384698284 · doi:10.1080/24705314.2023.2233802

Physical and numerical models of pressure during waterproofing injections with polymer into concrete fractures

2023· article· en· W4384698284 sur OpenAlexaff
K. El Mekari, François Duhaime, Ashraf Shafaei

Notice bibliographique

RevueJournal of Structural Integrity and Maintenance · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMultiphysicsViscosityMaterials scienceSaturation (graph theory)WaterproofingFracture (geology)Geotechnical engineeringFinite element methodComposite materialGeologyEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Polymer injections in concrete fractures are commonly used for the waterproofing of tunnels. The pressure during the injection needs to be high enough to ensure polymer penetrability. This paper introduces two physical models for the study of the pressure inside concrete fractures during polymer injections. The injection parameters that were varied include pressure, injection duration, injection volume, location of the injection and pressure reading ports, and fluid dynamic viscosity. Water and water-glycerol mixtures were used to verify the influence of viscosity on flow. Tests were performed with both open and sealed fractures. The pressure inside the fracture during the injection was influenced by the dynamic viscosity, boundary conditions and the saturation level of the fracture. Sealed and initially moist fractures led to a higher pressure gain inside the fracture after achieving saturation. More than 40% of the injection pressure was already lost when the liquid entered the model. A numerical model of liquid flow in the fracture plane was developed with the finite element code COMSOL Multiphysics. It was able to replicate the influence of boundary conditions and initial fracture saturation on pressure. The model also shows how aperture and roughness influence the flow conditions in the fracture.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,600
Score d'incertitude au seuil0,355

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 recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Structural Integrity and MaintenanceMême sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207