Methodology for Using LWD Data at Different Curing Times to Assess On-Site Properties of Cement-Bitumen Treated Materials
Notice bibliographique
Résumé
ABSTRACT Full-depth reclamation with hydraulic and bituminous binders, also known as cement-bitumen treated materials (CBTMs), is a cost-effective and eco-friendly road rehabilitation method that fully reutilizes preexisting local materials. The mechanical behavior of stabilized materials changes over time due to curing, which is crucial for long-term performance, so adapted on-site quality control (QC) strategies are necessary. This article proposes a methodology for using lightweight deflectometer (LWD) experimental data to assess CBTM properties at different locations and curing times using backcalculation. Multiple data processing techniques and four backcalculation methods for modulus values are introduced: (1) the surface modulus obtained by Love’s solution using only one deflection (ES1Love); (2) the surface modulus obtained by Love’s solution using three deflections (ES3Love); (3) the surface modulus obtained by a finite element–based backcalculation approach using three deflections (ES3FEM), considering the pavement as composed as one single semi-infinite layer; and (4) the elastic modulus of the two distinct materials or layers (CBTM and subgrade), backcalculated with the finite element method and using three deflections (ECBTM3FEM and ESG3FEM). Comparisons between surface modulus (ES) and the moduli set (ECBTM and ESG) demonstrate the fourth method effectively assesses each material’s contribution to pavement stiffness, which is important in evaluating the CBTM layer. The research concludes that LWD is an efficient QC tool for CBTM and that using backcalculated elastic moduli for the separated layers provides better results than the surface modulus for monitoring material evolution over curing time, and this may be important in the case of CBTMs.
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 | 0,003 | 0,001 |
| 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 ».