Evaluation and Validation of a Model for Predicting Pavement Structural Number with Rolling Wheel Deflectometer Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because of costs and the slow test process, the use of structural capacity in pavement management activities at the network level has been limited. The rolling wheel deflectometer (RWD) was introduced to support existing nondestructive testing techniques by providing a screening tool for structurally deficient pavements at the network level. A model was developed to estimate structural number (SN) from RWD data obtained in a Louisiana study. The objective for this study was to evaluate the use of the Louisiana model to predict structural capacity in Pennsylvania and to compare the results with those of existing methods. RWD testing was conducted on 288 mi of the road network in Pennsylvania, and falling weight deflectometer (FWD) testing and coring were conducted on selected sites. The prediction from a model used to estimate SN from RWD deflection data was compared statistically with the prediction obtained from FWD testing and from roadway management system records used by the Pennsylvania Department of Transportation to calculate SN. The results of this analysis validated the use of the model to estimate the pavement SN according to RWD deflection data. In general, the predicted SN was in agreement with the SN calculated from the FWD. The original model with the fitted coefficients developed for Louisiana showed an average prediction error of 27%. However, after the model was refitted to the data set from Pennsylvania, the average error dropped to 19%. Results indicated that the model developed for SN prediction from the RWD provided an adequate prediction of SN for conditions different from those for which it was developed in Louisiana.
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.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle