MétaCan
Menu
Retour à la cohorte
Enregistrement W4416181705 · doi:10.1139/cgj-2025-0243

Coconut shell fiber for reinforcing lime-stabilized soil: A sustainable approach to improve resilience

2025· article· en· W4416181705 sur OpenAlexvenueno aff
Lihua Li, Wen Liu, Xunchang Fei, Zhanbo Cheng, Wentao Li

Notice bibliographique

RevueCanadian Geotechnical Journal · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDurabilityBrittlenessReinforcementResilience (materials science)Ultimate tensile strengthCompressive strengthFiberLime

Résumé

récupéré en direct d'OpenAlex

Lime-stabilized soils often exhibit brittleness and limited durability under environmental loading. This study investigates coconut shell fiber (CSF) as a sustainable, cost-effective reinforcement for enhancing mechanical and durability performance of lime-stabilized clayey soil. Laboratory tests with 1–9% lime and 0.25–1.0% CSF assessed compaction, permeability, strength, wet–dry and freeze–thaw durability, and microstructure. The results show that permeability decreased from 8.0×10⁻⁸ to 3.0×10⁻⁸ cm/s with 9% lime, but rose slightly to 5.0×10⁻⁸ cm/s at 0.75% CSF. Optimum performance was at 3% lime, 3 cm fiber length, and 0.75% CSF, yielding UCS of 4795.7 kPa and tensile strength of 9.0 Pa after curing 60 days. CSF addition transformed failure from brittle to ductile and enhanced long-term strength. After the first wet–dry cycle, UCS increased 30.9–53.4% for lime-only and 61.7–79.9% for CSF-reinforced specimens. After six cycles, UCS and mass losses were 40.0–71.3% and 6.2–31.1% (lime-only) versus 18.0–53.4% and 5.0–29.9% (CSF-reinforced). Under freeze–thaw, UCS losses were 6.3–62.3% (lime-only) and 5.9–54.5% (CSF-reinforced). Microstructural analysis showed improved matrix integrity, reduced porosity, and greater hydration product formation with CSF. Overall, CSF improved strength by up to 89.9% under standard curing, 58.0% under freeze–thaw, and 112.2% under wet–dry conditions, demonstrating its effectiveness as a low-carbon reinforcement for resilient infrastructure.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 GPT0,200
Écart entre enseignants0,195 · 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 revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207