MétaCan
Menu
Retour à la cohorte
Enregistrement W652576465 · doi:10.3141/2126-03

Evaluation of Warm-Mix Asphalt Produced with the Double Barrel Green Process

2009· article· en· W652576465 sur OpenAlexaffabout
Brent Middleton, R W Forfylow

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensTransAlta (Canada)
Organismes subventionnairesnon disponible
Mots-clésAsphaltBarrel (horology)SustainabilityInvestment (military)Asphalt pavementEnvironmental scienceEnergy consumptionWaste managementEngineeringBusinessNatural resource economicsEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

During the past 3 years, warm-mix asphalt (WMA) technologies from European countries have entered the North American market. European experiences with WMA technologies have indicated that a significant reduction in mixture temperature, mixture viscosity, energy consumption, and environmental emissions during asphalt mix production and placement can be achieved in comparison with traditional hot-mix asphalt (HMA). On the basis of North American experiences with these technologies to date, transportation agencies and HMA producers are unlikely to adopt WMA technologies solely for the reduction in manufacturing energy costs and environmental emissions, because these benefits do not cover the associated increase in investment and additive costs of WMA over HMA, even in the most expensive North American energy markets. This paper presents an evaluation of the economic, environmental, and mixture performance factors to assess the sustainability of WMA in North America. The paper examines the benefits, risks, investment and material costs, and sustainability associated with the different WMA technologies and specifically the Double Barrel Green process. Included is a mixture performance evaluation of WMA mixes containing reclaimed asphalt pavement and Manufactured Shingle Modifier produced with the Double Barrel Green System during field trials in Vancouver, British Columbia, Canada.

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)0,015
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,812
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,113
Tête enseignante GPT0,399
Écart entre enseignants0,287 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations12
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207