MétaCan
Menu
Retour à la cohorte
Enregistrement W4402651026 · doi:10.1051/e3sconf/202456928001

Reinforcement of piling platforms with geogrids over dewatered docks with very soft soils: Wood Wharf, London

2024· article· en· W4402651026 sur OpenAlexaff
Patricia Guerra-Escobar, P. Bernardini, Rozhan Saeed

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensTerrafix Geosynthetics (Canada)
Organismes subventionnairesnon disponible
Mots-clésWharfReinforcementSoil waterGeotechnical engineeringEngineeringGeologyMarine engineeringStructural engineeringSoil science

Résumé

récupéré en direct d'OpenAlex

Wood Wharf is a major redevelopment of 23 acres designed to provide residential and office buildings as well as public spaces for shops, restaurants, parks and community uses. The development is located on the Isle of Dogs, Canary Wharf, London. This paper describes the design and results of the piling mats required to construct the buildings in the area of the South Dock, where 14,000m 2 of land had to be reclaimed. Cofferdams were installed to create a watertight retaining structure to facilitate dry construction methods in the reclaimed area behind the new quay wall. To construct the different buildings, CFA and LDA piles between 8m to 34m deep were installed for the foundations. The soil profile primarily comprised Made Ground, Dock Sediments and River Terrace Deposits with very low undrained shear strengths between 2.5 to 42 kPa. The rigs to be used on site were 225 tons with applied pressures in the range of 300 to 470kPa and loadings of more than 1500kN. A series of reinforced piling mats were required to support the heavy rigs and reduce the applied pressures over the foundation soil. The design of the working platforms reinforced with geogrids was conducted in two stages, first to improve the modulus of the platform using recycled granular material, and second to provide safe platforms to support the heavy rigs.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,489

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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'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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207