EFFECTIVENESS OF GROUND PENETRATING RADAR FOR PREPARING PRE-TENDER DETERIORATION ESTIMATES ON ASPHALT COVERED REINFORCED CONCRETE BRIDGE DECKS
Notice bibliographique
Résumé
The Penetradar Integrated Radar Inspection System (IRIS) Ground Penetrating Radar (GPR) was selected by Dalhousie University as the most appropriate technology for assessing the condition of asphalt-covered reinforced concrete bridge decks because of its ability to penetrate asphalt concrete overlays and data collection at traffic speeds up to 75-80 km/hr. This technology was selected from a list of other nondestructive test methods such as infrared thermography, ultrasonic methods, and impact echo testing. A research program was designed to examine the accuracy and confidence with which GPR can be used to predict the quantity and location of top layer reinforcement delaminations and damage from freezing and thawing at the asphalt/concrete interface. Seventy-two asphalt-covered reinforced concrete bridge decks were surveyed at traffic speeds using GPR for deterioration estimation. Data were recorded by collecting adjacent 0.75-m wide strips along the deck length. The GPR data were processed manually to determine areas of excess signal attenuation and areas of high concrete relative dielectric constant. Deterioration predictions made using GPR were compared quantitatively and spatially to ground-truthing data obtained from nine bridge decks using the well-established chain drag and half-cell potential surveys after the asphalt was removed from each bridge deck just prior to repair. Good to excellent correlation between the GPR predicted deterioration quantity and locations were observed on each of the nine bridge decks with the quantity and location of deterioration found on the decks using the ground-truthing methods. On a network level, the GPR results were observed to underestimate the actual repair quantity by 1.5% of the bridge deck surface area. The 95% upper and lower confidence limits of the GPR prediction of the deterioration quantities as a percent of the deck surface area were observed to be 8.3% underestimation and 4.6% overestimation with respect to the actual repair quantities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».