MétaCan
Menu
Retour à la cohorte
Enregistrement W4387745009 · doi:10.1680/jphmg.22.00062

Centrifuge modelling of axially loaded steel piles in cold and thawing frozen sand

2023· article· en· W4387745009 sur OpenAlexaff
Chris Clarkson, Geoff Eichhorn, Greg Siemens

Notice bibliographique

RevueInternational Journal of Physical Modelling in Geotechnics · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésPileCentrifugeGeotechnical engineeringPermafrostGround freezingFoundation (evidence)StiffnessGeologyEngineeringEnvironmental scienceStructural engineering

Résumé

récupéré en direct d'OpenAlex

Foundations in northern climates are founded under ground conditions that are certain to change due to climate warming. Piled foundations situated in permafrost are designed to resist loads by mobilising the shaft friction from adfreeze strength that is attributed to the ice–soil bonds in contact with the pile. Design considers ground warming causing thawing over time and normally specifies a thermal condition whereby mitigation measures, such as thermosyphons, need to be implemented. While pile design and analysis for completely frozen and thawed profiles are defined in terms of pile capacity, the intermediate condition, during transition from frozen to thawed, is not well examined. In this study, centrifuge modelling is utilised to quantify the reduction in pile capacity and foundation stiffness under an axial monotonic loading as initially frozen sand profiles warm and thaw depth increases. The results show agreement between the physical models and analytical methods for piles in fully frozen and thawed ground. A marked decrease in pile capacity occurs as ground temperatures approach freezing and thaw depth increases. The results are the first comprehensive physical model testing programme aimed at quantifying pile performance in frozen and warming ground under field-realistic stress conditions.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,387

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)0,0000,000

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 Opus0,057
Tête enseignante GPT0,264
Écart entre enseignants0,207 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Physical Modelling in GeotechnicsMême sujetClimate change and permafrostTravaux en français237 207