Développement d'une méthodologie de sélection des matériaux de fondation routière pour contrer les effets du dégel
Bibliographic record
Abstract
Le réseau routier québécois est profondément affecté par des problèmes d'orniérage et de fissuration en fatigue qui sont causés par la réduction de la résistance en période de dégel. L'intégration de caractéristiques favorisant le drainage permet de contrer ces problèmes et d'assurer la pérennité de la chaussée. Cette thèse a établi une méthodologie de sélection appropriée et rationnelle de la géométrie et des matériaux de fondation routière qui favorise une réduction rapide du degré de saturation moyen des matériaux de fondation sous la voie de roulement. Contrairement à une analyse traditionnelle du temps de drainage, la méthodologie de sélection est fondée sur le degré de saturation minimal moyen des matériaux de fondation sous la voie de roulement ainsi que sur une période critique qui permet d'intégrer les aspects hydrique et thermique afin d'évaluer les conditions de drainage en période de dégel. Une équation a ainsi été développée pour le degré de saturation minimal moyen en présence de fondations routières bicouches. Les outils de calculs hydrique et thermique, développés dans le cadre de cette étude, ont permis d'effectuer une analyse paramétrique de la période critique. Afin d'éliminer l'effet de barrière capillaire et de réduire la période critique, l'analyse a démontré qu'il est préférable de préconiser un matériau de sous-fondation de faible diamètre équivalent des particules solides dont la conductivité hydraulique à saturation est supérieure à celle du matériau de fondation. De plus, la comparaison de la période critique de fondations routières monocouche et bicouche a démontré que la superposition de matériaux de fondation et de sous-fondation permet de réduire la période critique en favorisant l'écoulement vertical de l'eau vers la couche de sous-fondation. La sélection de matériaux de fondation à granulométrie étalée, dont la conductivité hydraulique à saturation est faible mais la capacité portante élevée, est ainsi justifiée par la présence d'une couche de sous-fondation adaptée.
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 | 0.002 |
| 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 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".