Study on Influence of Seasonal Freeze-thaw Environment on Crack Evolution of Expansive Soil in Subgrade Based on Genetic Algorithm
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
In the cold seasonal frozen soil area, expansive soil is in the environment of alternating wet and dry and freezing and thawing cycle for a long time, so it is easy to form cracks, which greatly impacts its strength, permeability and deformation characteristics. Usually, the frost heave deformation of subgrade is unevenly distributed along the length of the road, so the smoothness of the road surface is poor, the flexible road surface is prone to bulge and crack, and the rigid road surface is prone to break, which affects the normal use of the road. In view of this situation, this paper discusses the influence of seasonal freeze-thaw environment on crack evolution of subgrade expansive soil based on GA(genetic algorithm). By studying the crack volume fraction distribution under wet-dry and wet-dry freeze-thaw coupling cycles, it is found that the crack volume fraction of the sample under the first coupling cycle is 6.09%, and it gradually stabilizes to 10.6% after the 15th cycle, which is about 1.24 times that of the wet-dry cycle. It can be seen that GA can effectively improve the crack evolution of subgrade expansive soil caused by seasonal freezing and thawing environment. Based on the different frost heaving rates of fill in seasonal frozen soil area of GA, this paper analyzes the distribution and evolution of subgrade deformation and stress during freeze-thaw cycle, and further discusses its influencing factors, revealing the occurrence mechanism of subgrade diseases in depth.
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