MétaCan
Menu
Retour à la cohorte
Enregistrement W65292617 · doi:10.1520/stp15849s

Facilitating Cold Climate Pavement Drainage Using Geosynthetics

2000· book-chapter· en· W65292617 sur OpenAlexaffabout
G P Raymond, RJ Bathurst

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Stabilization
Établissements canadiensRoyal Military College of CanadaQueen's University
Organismes subventionnairesnon disponible
Mots-clésGeosyntheticsDrainageCold climateEnvironmental scienceGeotechnical engineeringHydrology (agriculture)GeologyClimatologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Good highway drainage has been recognized for many centuries. The theoretical concepts are simple and the technology applicable to highways built today (1999) is widely available in the technical literature. It is widely understood that efficient drainage is essential to good highway performance independent of aggregate compacted density or aggregate stability. While the theoretical concepts are simple they are often not effective in cold climates. Indeed, for cold climates, these simple concepts are shown by field excavations described herein to be lacking in a number of aspects. Based on field excavations and performance of some selected Ontario highway locations, involving both clay and sand subgrades, recommendations are presented for the design detailing, selection and installation of geosynthetic edge drains. Installation at the investigated sites was by various techniques that included: ploughed-in-place, trench excavation, and mechanical trencher and boot. All excavated edge drains were installed as retrofits either at the time of the original pavement construction or several years later. The retrofits used the existing excavated/displaced shoulder granular material as backfill. Frost action, despite what was considered good drainage practice at the time of installation, is shown to have had a major effect on field performance.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 Opus0,014
Tête enseignante GPT0,197
Écart entre enseignants0,182 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGeotechnical Engineering and Soil StabilizationTravaux en français237 207