MétaCan
Menu
Retour à la cohorte
Enregistrement W4409040198 · doi:10.1061/jggefk.gteng-12711

Factors Affecting Liquefaction Triggering of Granular Soils in Laboratory Testing

2025· article· en· W4409040198 sur OpenAlexaff
Mathan V. Manmatharajan, Edouardine-Pascale Ingabire, Alex Sy, Mason Ghafghazi

Notice bibliographique

RevueJournal of Geotechnical and Geoenvironmental Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensArcelorMittal (Canada)WSP (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésGeotechnical engineeringLiquefactionSoil liquefactionSoil waterGeologyGranular materialEnvironmental scienceSoil science

Résumé

récupéré en direct d'OpenAlex

In practice, liquefaction assessment is driven by earthquake case histories, but the case-history database is limited and there are important gaps in the information available. As a result, laboratory tests have continued to play a key role in determining how various factors influence liquefaction triggering. This paper presents an investigation into how factors such as particle size, particle size distribution, and preparation method influence cyclic liquefaction triggering. Eleven particle size distributions of a natural soil and tailings, ranging from pure silt to fine gravel, were tested in cyclic simple shear. The results were cast in the critical state framework and compared with a large body of data from the literature to understand how the choice of testing method influences the cyclic resistance. The results suggest that the widely used constant volume cyclic simple shear tests produce significantly lower liquefaction resistance values than either cyclic triaxial tests or the case history database. Simple shear tests are not as sensitive as cyclic triaxial tests are to a wide range of factors, including overburden stress, particle size, particle size distribution, and specimen preparation method.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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 revueJournal of Geotechnical and Geoenvironmental EngineeringMême sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207