Determining the Bimodal Soil–Water Characteristic Curve of Fine-Grained Subgrade Soil Derived from the Compaction Condition by Incorporating Pore Size Distribution
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The soil–water characteristic curve (SWCC) is a key constitutive relationship for unsaturated soil which can be unimodal or bimodal. For the fine-grained compacted subgrade soil with a bimodal pattern, the determination of SWCC is complicated and needs a wide-range suction measurement. In this paper, the bimodal SWCC of a subgrade soil derived from the compaction condition was measured and determined by incorporating pore size distribution. For this purpose, a series of laboratory tests were conducted, including the pressure plate method, filter paper method, and vapor equilibrium method, which were used to measure SWCC at the low, medium, and high suction range, respectively. The pore size distribution (PSD) data were obtained by mercury intrusion porosimetry (MIP) tests and used to predict SWCC. Based on the analysis of hydraulic paths and SWCC-PSD correlations, the SWCC of the subgrade soil should be determined to follow the actual hydraulic path. SWCC within a low suction range can be filled by PSD-based data to improve the fitting accuracy. Then, a graphical method is applied to predict the bimodal SWCC by combining the filter paper method, vapor equilibrium method, and PSD-based data. The prediction curves fit well with the test data for all selected compaction conditions. Furthermore, the prediction method can still provide good prediction performance in the absence of high suction section data, which is beneficial for the application of bimodal SWCC.
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.
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 découle