Développement d'un modèle de prédiction de l'uni des chaussées flexibles
Bibliographic record
Abstract
L’objectif de la thèse est de développer un modèle de prédiction de l’uni des chaussées flexibles. La réalisation de cet objectif a impliqué quatre principales étapes. Premièrement, une revue de connaissance relative à la thématique a été faite. Il ressort de cette étude que l’Indice de Rugosité Internationale (IRI) est l’indice qui représente le mieux le phénomène d’uni. Cependant, la prédiction de celui-ci est encore essentiellement faite par des modèles empiriques. Deuxièmement, les deux principales dégradations des chaussées qui peuvent être les sources de problème d’uni pendant leur durée de vie utile sont notamment la déformation permanente différentielle (ornière) et le soulèvement différentiel. Ils ont été analysés et la nécessité de leur prédiction a été établie. Les modèles de prédiction recherchés doivent intégrer dans leur structure mathématique les paramètres géotechniques de sol qui sont les sources de la variabilité le long d’un tracé. Pour le soulèvement au gel, le modèle de Konrad (1981 et 2005) a été jugé approprié pour être intégré dans le modèle de prédiction de l’uni. Cependant, pour la déformation permanente, un nouveau modèle a été développé pour les besoins du projet. Troisièmement, un modèle mathématique de prédiction de l’uni des chaussées flexibles en termes d’IRI a été dérivé. Il a été bâti sur les hypothèses rigoureuses et comporte les paramètres complexes suivants : la déformation permanente ( ε p ), le soulèvement au gel (S), la fissuration transversale ( Ft ) et le coefficient représentant l’effet d’amplification ou d’atténuation des longueurs d’onde (K). Quatrièmement, le modèle dérivé a été étalonné et validé avec de données obtenues sur des chaussées réelles. Pour l’étalonnage, les données des bases de données du LTTP et du MTQ, d’une part, et, d’autre part, les données de la cueillette des paramètres géotechniques issus des essais de caractérisations des échantillons prélevés à chaque 5 m le long de 5 différents sites au Québec, ont été utilisées. Les coefficients d’étalonnage requis ont été déterminés avec succès. Pour la validation du modèle, par manque de paramètres géotechniques à chaque 5 m le long des sections identifiées pour réaliser cet objectif, le principe de niveau d’utilisation du modèle d’uni a été développé. Trois niveaux d’utilisation du modèle ont été développés et le modèle a été validé au troisième niveau d’utilisation avec un niveau de succès acceptable.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".