MétaCan
Menu
Retour à la cohorte
Enregistrement W84767461

DESIGN AND CONTRACTING STRATEGY FOR A SHORT TUNNEL IN MIXED GROUND CONDITIONS

2004· article· en· W84767461 sur OpenAlexaboutno aff
A S Washuta

Notice bibliographique

RevueRail Transit ConferenceAmerican Public Transportation Association · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueTunneling and Rock Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExcavationScheduleFactoringEngineeringQuantum tunnellingCivil engineeringTrack (disk drive)Transport engineeringComputer scienceGeotechnical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

One of the key decisions in the planning and implementation of a tunnel project is the selection of the most appropriate tunnelling technology. Decision factoring tunnel projects often include: subsurface conditions; groundwater; tunnel size and spacing; depth below grade; proximity to buildings and facilities; local contractor capability and availability; risks due to ground loss; schedule; and, of course, costs. Approximately 40% of the City of Edmonton Light Rail Transit system's 12.3 km consists of underground works successfully constructed using Tunnel Boring Machine (TBM), Sequential Excavation Method (SEM) tunnelling and cut-and-cover techniques. The latest LRT extension consists of twin tunnels of complex geometry only 300 meters long, which pass under existing buildings and utilities and through a number of geological units. Due to this relatively short length of tunnel, the difficult ground conditions and the lack of local tunnel construction experience, the decision regarding the most appropriate tunnelling technology was perhaps more challenging than for any of the City's previous tunnel projects. This paper presents the design and contracting strategies implemented to mitigate tunnelling risks and to maximize interest and competition for the project.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,033
Tête enseignante GPT0,245
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRail Transit ConferenceAmerican Public Transportation AssociationMême sujetTunneling and Rock MechanicsTravaux en français237 207