MétaCan
Menu
Retour à la cohorte
Enregistrement W7127159678 · doi:10.18280/ijsse.151105

Influence of Grain Size Distribution of Sand Lenses in Evaluating the Liquefaction Potential

2025· article· W7127159678 sur OpenAlexvenueno aff
Putera Agung Maha Agung, Suripto, Denny Yatmadi, Satwarnirat, Syaiful Amri, Muhammad Hasan

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiquefactionGrain sizeParticle-size distributionDistribution (mathematics)

Résumé

récupéré en direct d'OpenAlex

Sand lenses are susceptible to ground motion due to dynamic loads like earthquakes.Infrastructure can be damaged by liquefaction that occurs in saturated sand lenses.A study on the safety factor (SF) of liquefaction potential and immediate settlement (ΔSe) was carried out at an area of infrastructure development in Langsa, Indonesia.This region features many alluvial deposits, which have multiple fine to coarse sand lenses from loose to medium conditions and varying in thickness from 2.0 to 3.0 m.This research aims to evaluate the effect of grain size distribution (GSD) on sand lenses susceptible to liquefaction, as well as the extent of immediate land subsidence following liquefaction.Laboratory analysis of GSD allows for the calculation of the uniformity coefficient (Cu), fines content (FC), and curvature coefficient (Cc).It also helps in assessing the likelihood of liquefaction potential and ΔSe within the sand lens layer.The laboratory analysis conducted by GSD revealed that at the vulnerable sand lens layers situated 2.0 to 10.0 m beneath the current groundwater table, Cu value of 13 and Cc value of 0.31 were recorded, while the FC value was approximately 2%.This indicates an increased liquefaction potential as the SF diminishes.Prediction of SF values existed in the range from 0.66 to 1.49 and ΔSe from 2.12 to 88.07 mm.Probability of liquefaction (P[L]) existed in the range from 0% to 30%, with pore water pressure (u) reaching until 35% from the hydrostatic pressure during liquefaction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,247
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207