Development of a Practical Tool to Consider Climate and Climate Change in Subgrade Resilient Modulus for Road Pavements
Notice bibliographique
Résumé
Abstract The prediction of the resilient modulus of foundation soil or subgrade for road pavements has been a subject of significant interest in recent years. This study presents a summary of the factors that influence resilient modulus performance, including climate and climate change, and how this property is fundamental for pavement design. To incorporate climate and climate change in the resilient modulus of the pavement subgrade, a practical tool was developed based on the Climate Information System for Road Design (SICliC) and the Enhanced Integrated Climate Model (EICM) of Mechanistic-Empirical Pavement Design Guide (MEPDG), where the Thornthwaite Moisture Index (TMI) can be estimated based on historical monthly precipitation and mean temperature data and using climate change scenarios for Mexico. The proposal determines the prediction of the behavior of variables that influence the subgrade resilient modulus for unbound granular materials (UGMs) which are associated with climate, such as moisture content, soil suction and degree of saturation, by means of which an environmental factor for unbound materials can be estimated. This factor adjusts the “Resilient modulus at optimum” to an “Resilient modulus at equilibrium” for the project site. Incorporating the climate and climate change of the project site into pavement design, particularly into the resilient modulus of the subgrade, will increase the durability and resilience of pavements.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».