بررسی آزمایشگاهی مدول برجهندگی، مقاومت کششی غیرمستقیم و فشاری تک محوری مخلوطهای آسفالت بازیافت شده با استفاده از کف قیر
Bibliographic record
Abstract
یکی از جدیدترین روشهای بازیافت آسفالتهای قدیمی، روش بازیافت آسفالت به صورت سرد درجا با استفاده از کف قیر میباشد.. در سالهای اخیر کاربرد این روش در راهها و فرودگاههای ایران به تدریج گسترش یافته و به موازات آن تحقیقات آزمایشگاهی بر روی خصوصیات مکانیکی و عملکردی این مخلوطهای آسفالتی شروع شدهاست. در بخش اول تحقیق حاضر، با انجام آزمایش مدول برجهندگی و مقاومت کششی غیرمستقیم برروی 144 نمونه آسفالت کف قیر، تأثیر نوع دانهبندی، درصد قیر، درصد سیمان و میزان تراکم برروی مدول برجهندگی و مقاومت کششی غیرمستقیم نمونهها، در چهار حالت مختلف عمل آوری، بررسی شدهاست. سپس در ادامه، با انجام آزمایشهای لازم بر روی 108 نمونه دیگر، سعی شده تا تأثیر پارامترهای فوق روی مدول برجهندگی و مقاومت فشاری تک محوری مورد مطالعه قرار گیرد. نتایج به دست آمده نشان میدهند که تغییر دانهبندی مصالح خرده آسفالتی از ریز به متوسط و نیز تغییر میزان قیر اضافه شده از دو به چهار درصد، تأثیر نسبتا کمی برروی مدول برجهندگی، مقاومت کششی غیرمستقیم، مقاومت فشاری تک محوری و بهبود حساسیت رطوبتی آسفالت بازیافت شده دارد. در مقابل، افزودن یک درصد سیمان و افزایش آن به دو درصد نقش قابل ملاحظهای در افزایش پارامترهای مذکور دارد. با استفاده از دادههای حاصل از این تحقیق، رابطه همبستگی بین مدول برجهندگی و مقاومت کششی غیرمستقیم جهت تخمین پارامتر نخست، بر اساس نتایج آزمایش مقاومت کششی غیرمستقیم ارائه شدهاست.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.119 | 0.080 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".