Comportamiento mecánico de mezclas asfálticas tipo Superpave y Sma
Bibliographic record
Abstract
Las mezclas asfalticas en los EE.UU. han sido disenadas mediante procedimientos tipicamente empiricos basados en ensayos de laboratorio, esto significaba que la experiencia era necesaria para correlacionar los analisis de laboratorio y el comportamiento del pavimento en el campo. Sin embargo, aun con el seguimiento estricto de los procedimientos y criterios de diseno, el comportamiento adecuado no estaba asegurado. El Metodo Superpave es mi producto de la Strategic Highway Research Program, SHRP creado por el Congreso Americano en el ano 1987, con un presupuesto de 500 millones de dolares para investigar el comportamiento de las mezclas asfalticas, la duracion de las vias, asi como el desarrollo de metodos basados en especificaciones que relacionen los analisis de laboratorio con el comportamiento en el campo. El Superpave esta siendo implementado por agencias americanas para reemplazar los metodos Marshall y Hveem. Superpave optimiza h resistencia de la mezcla a las deformaciones permanentes, agrietamiento por fatiga y el agrietamiento producido por bajas temperaturas. En los inicios de 1960 la industria europea del asfalto reconocio la necesidad de pavimentos resistentes a las deformaciones permanentes y danos en el pavimento sometido a trafico pesado y bajas temperaturas. En respuesta a ello, los contratistas desarrollaron el Stone Mastic Asphalt, SMA mezcla de granulometria incompleta con un contenido mayor de grava, mineral de filler y cemento asfaltico asi como menor cantidad de arena. La mezcla tuvo tanto exito en banana y su uso se expandio a toda Europa y actualmente a EE.UU. y Canada. El trabajo de investigacion presenta los resultados de investigaciones sobre mezclas asfalticas tipo Superpave y SMA.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".