Détection des cavités sous les pavages par l’analyse modal des ondes de Rayleigh (<i>MASW</i>)
Bibliographic record
Abstract
Le problème de cavités sous les pavages au voisinage des ponceaux est relié à l’érosion du sol à travers des ponceaux défectueux. Ceci se traduit par le développement d’une cheminée jusqu’à provoquer un affaissement jusqu’à la surface, créant ainsi un cratère dans le pavage routier. L’apparence de cratère dans le pavage constitue un danger pour les usagers, en particulier dans le cas des routes et autoroutes achalandées (circulation à fréquence élevée). L’utilisation des ondes de surface pour la caractérisation des sols de fondation sous un pavage est problématique compte tenu de la difficulté d’exciter le sol à travers un pavage rigide. La méthode « modal analysis of surface waves (MASW) » permet de placer les capteurs à la surface du pavage et d’exciter le sol à l’extérieur de celui-ci. Cette configuration a été testée au moyen de simulations numériques qui montrent qu’il est possible de caractériser le sol en dessous d’une structure de pavage relativement rigide. Des essais « MASW » ont également été réalisés à un site, où des cavités de dimensions connues ont été réalisées en pratiquant des ouvertures dans le toit d’un ponceau routier. L’analyse de ces relevés a permis d’élaborer une méthode d’interprétation rapide et adaptée à la détection des cavités ou zones de faiblesse sous les pavages routiers.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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; both teacher heads agree on what is shown here.
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".