MétaCan
Menu
Retour à la cohorte
Enregistrement W4391021184 · doi:10.1109/smarttechcon57526.2023.10391400

Study on Influence of Seasonal Freeze-thaw Environment on Crack Evolution of Expansive Soil in Subgrade Based on Genetic Algorithm

2023· article· en· W4391021184 sur OpenAlexaff
Amena. I. Tamboli, Mohd. Sadin, Laith H. Alzubaidi, S. Sankar Ganesh, V Hemamalini, B Rajalakshmi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI and Multimedia in Education
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésSubgradeGeotechnical engineeringExpansive clayFrost (temperature)Frost heavingExpansiveEnvironmental scienceDeformation (meteorology)Materials scienceGeologySoil waterCompressive strengthSoil scienceComposite material

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,255
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAI and Multimedia in EducationTravaux en français237 207