Clay Soil Stabilization Using Sugarcane Ash and Lime
Notice bibliographique
Résumé
This study investigates the effectiveness of sugarcane bagasse ash (SBA) and lime as chemical stabilizers for clay soil subbase improvement.The research investigates clay soil from Taxila Pakistan which received stabilization treatment by SBA and lime along with their combination at different mixing ratios.A series of geotechnical tests, including Atterberg limits, compaction tests, and California Bearing Ratio (CBR) tests, were conducted on both untreated and stabilized soil samples.SBA and lime were used in concentrations of 2.5%, 5%, and 7.5% by dry soil weight, while their mixtures were applied in ratios of 1:1, 2:1, 3:1, 1:2, and 1:3 at 5%, 7.5%, and 10% of dry soil weight.The results indicate that soil mixed with 7.5% SBA exhibited a 28% increase in the liquid limit, while the combination of 2.5% lime and 7.5% SBA resulted in a 40% increase in the plastic limit.The plasticity index improved by 42% with 7.5% SBA, and a mixture of 2.5% lime and 2.5% SBA significantly reduced soil plasticity, classifying it as low-plasticity soil.Moreover, the highest improvement (69%) in the CBR value was observed at 2.5% SBA and 5% lime mixture, which indicates the significant enhancement of the strength enhancements of the pavement soil.The cost analysis of the treated pavement shows that this method serves as an environmentally friendly practice that lowers roadway costs while prolonging service span and solving disposal issues through waste material conversion to SBA.The research findings confirm SBA alongside lime as an affordable sustainable stabilizer suitable for road construction projects that require clay soil improvement.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».