Databases for Data-Centric Geotechnics
Notice bibliographique
Résumé
Databases for Data-Centric Geotechnics forms a definitive reference and guide to databases in geotechnical and rock engineering, to enhance decision-making in geotechnical practice using data-driven methods. This second volume pertains to geotechnical structures. The opening chapter presents a substantial survey of performance databases and the effectiveness of our prediction models in matching the field measurements in these databases, based on (1) full-scale field tests, (2) 39 prediction exercises organized as a part of international conferences, and (3) comparison between numerical analyses and in-situ or field measurements conducted by the French LCPC. The focus is on the evaluation of the statistical degree of confidence in predicting various of quantities of interest such as capacity and deformation. The following 18 chapters then present databases on the performance of shallow foundations, spudcan foundations, deep foundations, anchors and pipelines, retaining systems and excavations, and landslides. The databases were compiled from studies undertaken in many countries such as Australia, Belgium, Bolivia, Brazil, Canada, China, Egypt, France, Germany, Hungary, Iran, Ireland, Japan, Kenya, Malaysia, Netherlands, Norway, Poland, Portugal, South Africa, the United Kingdom and the United States. This volume on geotechnical structures is a companion to the volume on site characterization. Databases for Data-Centric Geotechnics represents the most diverse and comprehensive assembly of database research in a single publication (consisting of two volumes) to date. It follows from Model Uncertainties for Foundation Design, also published by CRC Press, and suits specialist geotechnical engineers, researchers and graduate students.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 tête enseignante, 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 ».