.png){kind=icon}
返回
Sampling-simulation-based spatial analysis and strategy optimization for compaction quality assurance
.png){kind=icon}
OA
AI
DOI：10.1016/j.asej.2026.104329.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
压实质量对土工性能至关重要，但空间自相关引入误判风险。本研究提出基于模拟的框架以优化质量保证的采样方案。首先，引入实用算法利用地统计范围估计波动尺度，确认空间自相关。随后，开发基于蒙特卡罗的模拟方法评估空间自相关对表征精度的影响。最终，基于Dempster–Shafer（D–S）证据理论的后验优化策略（无需先验知识）缓解了样本点的空间聚集。结果表明压实质量存在显著空间自相关。空间自相关是导致误判风险的关键因素，其与样本点空间聚集的协同作用会放大该风险。单独应用空间聚集指标存在误判风险，因此需要建立冲突解决机制并整合必要多源信息。
Keyword:
Compaction quality assurance
Attribute sampling
Monte Carlo method
Spatial autocorrelation
Spatial aggregation indices
Dempster–Shafer (D–S) evidence theory
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.9
论文数:
3.4K
被引数:
1.2W
机构
引用论文
Acceptance reliability sampling plan for items with two failure modes具有双失效模式的接受可靠性抽样计划.png)
Statistics
StatisticsIF0
PREAI
分享收藏Modeling Tree Species Count Data in the Understory and Canopy Layer of Two Mixed Old-Growth Forests in the Dinaric RegionForestsOAAI
ForestsIF0
OAAI分享收藏分享收藏Designing a two-rank acceptance sampling plan for quality inspection of geospatial data products
PREAI
分享收藏
查看更多内容