Caractérisation des particules fines d'un matériau granulaire de fondation par l'essai au bleu de méthylène
Bibliographic record
Abstract
La présente étude porte sur la caractérisation des particules fines des différentes fractions (< 400 um, < 160 um, < 80 um) des matériaux granulaires MG-20 de fondation routière par l'essai au bleu de méthylène. Elle se situe dans le cadre de la Chaire de Recherche en Exploitation des Infrastructures soumises au Gel (CREIG) de l'Université Laval. L'influence de la dimension des particules fines soumises à l'essai vis-à-vis du degré d'adsorption du bleu de méthylène a été évaluée à l'aide de l'essai au bleu de méthylène conventionnel, suivant la norme «LC 21-255, "détermination de la valeur au bleu de méthylène des sols et des granulats» du Ministère des Transports du Québec, MTQ », et selon l'approche développée à l'université Laval, à l'aide d'un spectrophotomètre. Les essais au bleu de méthylène ont montré que la détermination de la valeur au bleu (VB) ou de la surface spécifique (Ss) des sols à l'aide du spectrophotomètre élimine plusieurs facteurs d'erreur que l'on retrouvait avec la méthode conventionnelle (i.e. méthode du papier filtre). Ainsi, il s'est avéré que la valeur au bleu à l'aide du spectrophotomètre (VBs) est plus adéquate que la valeur au bleu avec la méthode du papier filtre (VBPF) du fait que la procédure utilisée pour l'obtention de ces valeurs est la plus objective. Il a été aussi démontré que les relations établies entre la surface spécifique (Ss) et le pourcentage des fines inférieures à 80 um (% particules fines <80 um) sont beaucoup plus valides que celles faites à partir du pourcentage de fins, puis celles représentant l'influence du type du minéral argileux et sa proportion par rapport à la masse totale dans le sol. De plus, l'approche développée par Konrad (1999) entre le potentiel de ségrégation (SP0) et les propriétés d'indice sur des sols fins a indiqué une forte corrélation entre le potentiel de ségrégation (SP0), la surface spécifique des fines < 80 um (Ss <so um) et la dimension moyenne des fines < 80 um (dso (FF)) du MG-20. Il a été montré également que la valeur au bleu (VB) ou la surface spécifique (Ss) des fines non argileuses, déterminées par la méthode d'adsorption de bleu de méthylène, sont fortement influencés par l'état de surface et la porosité intragranulaire du grain, menant ainsi à des surestimations de la capacité d'adsorption du matériau dont les grains sont altérés.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 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".