MétaCan
Menu
Retour à la cohorte
Enregistrement W4407996177 · doi:10.1061/9780784485682.019

Permeation Grouting in Silty Sand for Soil Stabilization and Water Control

2025· article· en· W4407996177 sur OpenAlexaboutno aff
Vicki C. Crosby, Ermanno Rambelli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGrouting, Rheology, and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermeationGeotechnical engineeringGeologySoil waterSiltEnvironmental sciencePetroleum engineeringSoil scienceChemistryGeomorphologyMembrane

Résumé

récupéré en direct d'OpenAlex

Polyurethane and acrylate resins are routinely injected into soils to gain strength and control water flow. However, most published data regarding these materials’ performance are derived from laboratory samples created under ideal conditions. In this study, a large container was filled with a silty SAND (SM) to simulate in situ soil conditions frequently found in Vancouver, BC, and British Columbia’s Lower Mainland. The injection pressures, volumes, lift heights, and other details have been compiled to evaluate this methodology for permeation grouting. In situ and laboratory testing will be used to verify the material performance and the strength of the soil/resin composite. Dynamic cone penetrometer (DCP), Consolidated Isotropically Undrained Triaxial (CIU), Unconfined Compressive Strength (UCS), and Direct Simple Shear (DSS) testing have been performed on the polyurethane and acrylate soil composites. The soil type, compaction methods, injection methods, and testing performed have been documented and are presented in the final paper. Initial testing results indicate considerable strength gain with polyurethane treated soil versus untreated soil and the applicability of acrylate treatment in support of soil excavation projects.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,005
Tête enseignante GPT0,203
Écart entre enseignants0,199 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGrouting, Rheology, and Soil MechanicsTravaux en français237 207