Calibrating MEPDG inputs prediction models for asphalt mixes containing reclaimed asphalt pavement
Notice bibliographique
Résumé
In this thesis, the pavement sustainability practices were implemented by using recycled asphalt shingles (RAS) and reclaimed asphalt pavement (RAP) in asphalt pavements. Laboratory performance of mixes containing RAS and RAP were evaluated and characterized for a cold climate such as Manitoba, Canada. In addition, pavement sustainability practices were implemented by generating a database of measured values from laboratory test results to develop and perform local calibration alternatives on dynamic modulus and creep compliance predictive models used in Pavement ME Design software, and to assess the impact of locally calibrated MEPDG models on long-term performance of mixes. Laboratory results showed that 15% RAP can be used in an asphalt mix without changing the virgin asphalt binder grade when the design binder is PG 58-28. It was found that the globally calibrated MEPDG creep compliance and dynamic modulus models are not able to accurately predict values, particularly for mixes used in cold climates, in part because these mixes constituted only a small fraction of the mixes used to develop these models. It was found that the nonlinear multiple regression is the preferred technique for local calibration of NCHRP 1-37A and NCHRP 1-40D E* models. It was noted that the existence of high RAP mixes in calibration of the E* predictive model causes an adverse effect on the reliability of calibrated models. In addition, it was found that nonlinear regression and Artificial Neural Network (ANN) models can be used as two alternatives to reliably predict creep compliance values. Results of the predicted distresses of mixes containing RAP using MEPDG software for Manitoba default Level 3, Manitoba calibrated Level 3, and Manitoba Level 1 demonstrated that the calibrated Level 3 Manitoba asphalt mix input data can be used for the design and analysis of the Manitoba mixes with comparable accuracy of the Manitoba Level 1 input data. As conducting laboratory tests for individual mixes is expensive and time consuming, utilizing locally calibrated reliable models to predict E* and creep compliance can tremendously reduce operating and testing expenses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».