Bibliographic record
Abstract
Cette thèse s'inscrit en continuité avec les recherches antérieures menées pour développer l'analyse des essais du deflectometre à masse tombante (FWD) par des méthodes dynamiques où la nature transitoire de son chargement est considérée. D'une part, un programme, nommé ADCES, a été développé à l'aide de la méthode des éléments spectraux pour modéliser efficacement la propagation des ondes dans un milieu multicouche axisymétrique sollicité en surface par l'impact du FWD. Chaque couche est considérée isotrope et représentée par un élément spectral viscoélastique linéaire avec amortissement hystérétique ou visqueux. De plus, le problème inverse a été résolut avec le programme UCODE où la méthode Levenberg-Marquardt est utilisée pour minimiser la somme des moindres carrés entre les historiques de déflexion mesurés et calculés afin de déterminer les modules élastiques inconnus des couches de la chaussée. La précision et l'efficacité de la méthodologie d'inversion ADCES - UCODE a été étudiée avec des données synthétiques et expérimentales du FWD. D'autre part, il a été démontré que la méthode dynamique est opérationnelle pour l'analyse des essais FWD, en confrontant les historiques de déflexion prédits avec ceux mesurés indépendamment par six accéléromètres installés en surface dans les champs proche et éloigné. Les essais FWD ont été effectués sur deux chaussées flexibles construites sur un site expérimental près de la ville de Québec, Canada. Les meilleures coïncidences entre les déflexions prédites et mesurées ont été observées lorsque le comportement du revêtement était modélisé avec le modèle viscoélastique d'Huet-Sayegh. La capacité de prendre en compte le comportement visqueux du revêtement constitue un net avantage de la méthode dynamique. Finalement, cette recherche a montrée que les modules élastiques du sol obtenus par calcul inverse selon la méthode dynamique sont plus réalistes que ceux fournis par l'approche statique traditionnelle.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| 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; a candidate call from one teacher head, 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".