MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399429324 · doi:10.52381/icop2024.102.1

An improved approach for thaw depth evaluation considering unfrozen water in frozen soil

2024· report· en· W4399429324 sur OpenAlexaff
Greg Qu

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensOakville Public LibraryOakville-Trafalgar Memorial HospitalCanadian Association of Gastroenterology
Organismes subventionnairesnon disponible
Mots-clésPermafrostWater contentFreezing pointSoil waterSoil scienceEnvironmental scienceGeotechnical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

The thaw depth of permafrost is known to depend on the ice content in frozen soil.Current engineering practice of thaw depth calculation often ignores the unfrozen water in permafrost and assumes that all water in the soil completely freezes below the water freezing temperature (e.g., 0 °C).Fine-grained soil typically contains silts and clays and may have significant amounts of unfrozen water below freezing temperature.The assumption of ignoring the unfrozen water leads to a less conservative estimation of the thaw depth by typically about 10% to 20% (up to 30%) for fine-grained soils.There is a need to develop a practical and industry-friendly approach for thaw depth assessment, which takes account of the unfrozen water content in frozen soil.The studies by Tice et al. (1976), Anderson and Ladanyi (2003) and Qu and Pham (2023) suggested a correlation between unfrozen water content in frozen soil and temperature below freezing point.The correlation (Qu and Pham 2023) can be established using the liquid limit and total water content of soil, which are available for most commercial projects.This paper presents an improved approach for thaw depth evaluation to take account of the unfrozen water content in frozen soil using the correlation associated with temperature.1

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)0,001
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,151
Tête enseignante GPT0,332
Écart entre enseignants0,181 · 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
GenreAutre

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→