MétaCan
Menu
Retour à la cohorte
Enregistrement W4407996437 · doi:10.1061/9780784485880.002

Hydraulic Conductivity Testing of Geosynthetic Clay Liners without Back-Pressure Saturation

2025· article· en· W4407996437 sur OpenAlexaff
Joel Conzelmann, Anna Norris, Neelufar Aghazamani, Joseph Scalia, Charles D. Shackelford

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensWSP (Canada)Stantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésHydraulic conductivitySaturation (graph theory)Geotechnical engineeringGeosynthetic clay linerMaterials scienceConductivityPermeability (electromagnetism)GeologyComposite materialSoil scienceSoil waterChemistryMembraneMathematics

Résumé

récupéré en direct d'OpenAlex

A key function of geosynthetic clay liners (GCLs) is to provide low hydraulic conductivity. To select GCL products for a given containment application, hydraulic conductivity testing with a real or synthetic leachate representative of field conditions is often used (termed hydraulic compatibility testing). Using back pressure during hydraulic compatibility testing is more difficult. The objectives of this study are (1) to demonstrate experimentally that bentonite in GCLs will self-saturate during hydration without application of back pressure, and (2) to provide an example of the equivalence of the Standard Method (with back pressure) and Gravity Method (without back pressure) in terms of measured hydraulic conductivity with the same GCL and permeant solution, and under similar applied hydraulic gradient and effective stress. The results of this study show that GCLs may achieve an acceptable final degree of saturation (on average >95%) without back pressure. Hydraulic conductivity values obtained without back pressure were one to two orders of magnitude higher than tests under similar conditions with back pressure. Higher hydraulic conductivity was attributed to preferential flow along needle-punched fiber bundles.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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 sujetLandfill Environmental Impact StudiesTravaux en français237 207