MétaCan
Menu
Retour à la cohorte
Enregistrement W4399146554 · doi:10.1051/e3sconf/202452901014

Advancements in Soil Stabilization: The Efficacy of Fly Ash and GGBS

2024· article· en· W4399146554 sur OpenAlexaff
Ravi Shankar Raman, C. Lavanya, Manjunatha Manjunatha, H Pal Thethi, Ashish Parmar, Laith H.Q. Mohammad, Vandana Arora Sethi

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésFly ashGround granulated blast-furnace slagEnvironmental scienceWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Engineered soil qualities can be modified mechanically, chemically, or biologically to achieve soil stabilisation. Soil stabilisation is a method used in civil engineering to enhance and enhance a soil’s structural qualities. Mechanical strength, permeation, compressibility, resilience, and plasticity are some of these attributes. The systematic investigation of soil stabilization with fly ash and ground granulated blast furnace slag (GGBS) as binders is presented in this work. The goal of using geopolymer technology is to enhance the mechanical qualities of clay soils for the building of road pavement by substituting conventional cementitious materials. The ideal ratio of Fly Ash to GGBS is found using a Taguchi experimental design technique, more precisely a L9 Orthogonal Array, with the goal of improving soil liquid limit, plastic limit, and plasticity index. The effectiveness of various Fly Ash and GGBS ratios is assessed, as well as their influence on soil behavior. In order to develop models for predicting soil parameters, regression analysis is used. Diagnostic plots show a reasonable fit but also highlight small amounts of unexplained variability. These discoveries have important ramifications for sustainable construction methods and are essential for improving soil stabilizing procedures, especially when it comes to road pavement engineering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,279
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetConcrete and Cement Materials ResearchTravaux en français237 207