Mechanistic Design Framework for Evaluating the Potential for Concrete Pavement Growth and Blowup
Notice bibliographique
Résumé
Pavement growth (PG) refers to the expansion of the integrated slab length when all the contraction joints of the concrete pavement are close within the expansion joint (EJ). It results from the complex interactions of numerous factors, such as climatic conditions (extremely high temperature and moisture levels), material, and the quantity of incompressible particles infiltrating the pavement joints structure. Currently, the methods and guidelines available for evaluating the annual PG and predictions of concrete pavement blowup are considerably limited. In this study, a mechanistic design framework was developed for estimating the PG and predicting pavement blowup potential. Moreover, a computer tool called Pavement Growth and Blowup Analysis (PGBA) was developed using MATLAB. This tool considers factors such as the pavement configuration, climatic conditions, configuration of EJs, and design reliability. It was used to evaluate the effectiveness of EJs and predict the blowup occurrence times for concrete pavements. To evaluate the PGBA tool, PG data from field measurements conducted by the Maryland DOT were compared with the results obtained using the PGBA tool. The PG predicted by the PGBA tool shows good agreement with the field measurements. However, because concrete pavement blowup data corresponding to PG measurement were not available, a comparison of the PGBA blowup results was not possible. The PGBA tool can be used to predict the service life of EJs and the blowup occurrence time according to the climatic data, pavement structure and materials, joint design, base friction characteristics, and engineering judgment.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».