Empirical transfer functions for foam glass aggregates insulation used in flexible pavement layered systems
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
Pavement design in cold regions is challenging due to the difficult conditions of soils, humidity, and temperatures. Insulation layers have been identified as a suitable solution for these conditions. Due to their unique engineering properties, foam glass aggregates (FGAs) are a promising material for use as an insulating granular layer in pavement design. However, understanding their mechanical performance is critical for predicting long-term layer and pavement behavior. In this laboratory study, an empirical transfer function was developed using an environmental and heavy vehicle simulator and an experimental pavement built in an indoor test pit. The study aimed to determine the allowable number of load repetitions for an FGAs insulation layer and to develop an empirical transfer function that can be used as part of a mechanistic-empirical pavement design procedure. This article proposes a linear relationship between permanent deformation, the number of load cycles, and the equivalency factor between the effect of resilient strain, or vertical stress, and allowable damage. The proposed empirical transfer functions allow defining an allowable number of load repetitions for a characteristic resilient strain or vertical stress and an allowable damage. The allowable damage can be modulated with respect to road classification, and a damage value of 0% to FGAs layer can be considered as a safety factor. The findings of this study provide valuable insights into the use of FGAs as an insulating granular layer in pavement design in cold regions.
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 | 0,001 |
| 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