Lessons learned from long-term frost heave monitoring under a railway embankment
Notice bibliographique
Résumé
Frost heave is a major issue for railway tracks constructed in cold regions that degrades track geometry and may affect the safety of railway operations. Canadian railway operators perform frequent maintenance during winter to eliminate track deformation and ensure the safe passage of trains. In early spring, frequent maintenance such as tamping and surfacing are required to alleviate the surface deformation due to thawing. Freeze-thaw cycles are expected to become more frequent under future climate conditions and thus a greater understanding of this phenomenon is essential to develop adequate mitigation measures in the face of a changing climate. National Research Council Canada in collaboration with VIA Rail Canada has conducted a 3-year field investigation to study the mechanism of frost development and its impact on safety and performance of train operations. In this project, a 50 m section of track in eastern Ontario was instrumented with various geotechnical and structural monitoring systems. In addition, measurements from ground penetrating radar and a track geometry car were collected over 90 km of track to map frost-susceptible sections of track and quantify its effect on track geometry degradation. The difference in winter conditions during the monitoring period (which consisted of two freeze-thaw seasons) in terms of temperature and snow on ground, induced different temperature regimes within the track substructure and led to different track responses. This paper summarizes some of the major lessons learned during the field observation period and discusses how the expected future climate may adversely affect the frost heave issues.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».