Bentoniitti-moreeniseoksen soveltuvuus kaatopaikan pohja- ja pintarakenteena
Bibliographic record
Abstract
Tämä opinnäytetyö tehtiin toimeksiantona Jätekukko Oy:lle, joka jalostaa ja ohjaa jätemateriaaleja uusiokäyttöön. Työn tarkoituksena oli selvittää laboratoriokokein eri seoksien soveltuvuutta kaatopaikan materiaaliksi. Lisäksi työstä oli tuotettava kirjallinen raportti. Työssä keskityttiin bentoniitti-moreeniseoksen vedenläpäisevyyden mittaamiseen. Laboratoriokokeilla selvitettiin, voisiko seos soveltua kaatopaikan pohja- tai pintamateriaaliksi. Työssä selvitettiin moreenin rakeisuus ja maksimitilavuuspaino, jotta pystyttiin suorittamaan vedenläpäisevyyskokeita erilaisille bentoniitti-moreeni seoksille. Bentoniitti on savimaalaji, jonka tärkein ominaisuus on sitomiskyky. Se syntyy kemiallisen rapautumisen tuloksena syntyneistä savikivennäisistä. \n\nOpinnäytetyön teoriaosuudessa tarkasteltiin moreenin ja bentoniitin ominaisuuksia sekä kaatopaikan pohja- ja pintarakenteita. Työn kokeet suoritettiin Savonia-ammattikorkeakoulun kiviaineslaboratoriossa sekä Suomen GPS-mittauksen toimitiloissa. Savonia-ammattikorkeakoulun tiloissa suoritettiin rakeisuus ja proctor kokeet, jotka oli tehtävä ennen vedenläpäisevyyskoetta. Rakeisuus ja proctor tulosten perusteella pystyttiin laskemaan näytteiden määrä vedenläpäisevyyskokeisiin, koska maalaji ja seoksen kuivatilavuuspaino vaikuttavat tehtävään näytteeseen. Vedenläpäisevyyskokeet suoritettiin Suomen GPS-mittauksella, koska heillä oli laitteisto, jolla kokeet pystyttiin suorittamaan. Laitteiston käyttäminen harjoiteltiin Suomen GPS-mittauksen henkilökunnan avustuksella. Laitteistossa seurattiin etu- ja takapainesellien vedenpinnan vaihtelua ja tehtiin muutoksia paine-eroihin. \n\nMittauksesta saadut tulokset kirjattiin excel-taulukkoon, josta saatiin vedenläpäisevyystuloksen k-arvo. Saatujen tulosten perusteella yksikään seos ei soveltuisi käytettäväksi kaatopaikan materiaalina.
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) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.023 |
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; both teacher heads agree on what is shown here.
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".