MétaCan
Menu
Retour à la cohorte
Enregistrement W4405231014 · doi:10.1061/9780784485736.070

Bearing Capacity Estimation in Nonlinear Granular Deposits under Reduced Gravity Field: Lunar Applications

2024· article· en· W4405231014 sur OpenAlexaff
Reza Jamshidi Chenari, Pooneh Maghoul

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensRoyal Military College of CanadaPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésNonlinear systemGravitational fieldGeologyField (mathematics)Bearing (navigation)Bearing capacityEstimationComputer scienceGeotechnical engineeringMathematicsEngineeringPhysicsArtificial intelligenceClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Conventional estimation of bearing capacity relies on cohesion, unit weight, and overburden pressure. In granular materials, gravity has a dual influence on bearing capacity. The first contribution comes from passive resistance, which is influenced by the weight of the foundation soil. Additionally, gravity indirectly affects the load-bearing behavior of granular soils by influencing the stress-dependent stiffness and strength parameters. Despite the lack of comprehensive research into the constitutive behavior of lunar soils, it can be assumed that the frictional lunar surface soils may exhibit nonlinear behavior, influenced by stress. This study aims to explore this effect by using the finite difference method analyses. It assumes a stress-dependent nonlinearity for the foundation soil while reducing the gravity level to one-sixth of Earth’s. The results show how estimating bearing capacity on lunar soil might differ from terrestrial contexts and offer insights into adjusting conventional bearing capacity equations for lunar construction purposes.

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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,011
Tête enseignante GPT0,236
Écart entre enseignants0,225 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGranular flow and fluidized bedsTravaux en français237 207