MétaCan
Menu
Retour à la cohorte
Enregistrement W577704495

Determining Subgrade Resilient Moduli for Pavement Designs

2006· article· en· W577704495 sur OpenAlexaboutno aff
Dieter Stolle, Peijun Guo, J Emery, M H MacKay

Notice bibliographique

Revue10TH INTERNATIONAL CONFERENCE ON ASPHALT PAVEMENTS - AUGUST 12 TO 17, 2006, QUEBEC CITY, CANADA · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFalling weight deflectometerPenetrometerGeotechnical engineeringSubgradeCalifornia bearing ratioWater contentStiffnessModulusMoistureEnvironmental scienceMaterials scienceComposite materialGeologySoil waterSoil science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This case study reports on the use of a high-capacity falling weight deflectometer and dual mass dynamic cone penetrometer, as well as a parallel laboratory testing program, to determine representative subgrade moduli for a major design-build urban expressway in Edmonton. It was found that the resilient moduli of samples prepared at optimum water content, or less, according to AASHTO T307-99 were extremely high, deviating from the typical Mr ~ 10 CBR (MPa) by more than a factor of 2. Additional tests completed on a sample soaked for two days before testing and samples prepared at water contents consistent with conditions corresponding to the soaked CBR revealed that two days soaking was insufficient for the fine-grained soil to soften enough to cause a substantial loss in material stiffness, with the resilient modulus of samples prepared at water contents corresponding to the soaked CBR relating well to the relation Mr ~ 10 CBR. Good agreement was also found to exist with results obtained in the laboratory and those estimated from the in-situ tests. Considerable care must be taken with respect to selecting representative field moisture contents for preparing laboratory Mr-samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,056
Tête enseignante GPT0,287
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue10TH INTERNATIONAL CONFERENCE ON ASPHALT PAVEMENTS - AUGUST 12 TO 17, 2006, QUEBEC CITY, CANADAMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207