MétaCan
Menu
Retour à la cohorte
Enregistrement W1414574220 · doi:10.3151/jact.13.393

Prediction of Drying Shrinkage Cracking of Eco-efficient Steel Chip Reinforced Cementitious Composite Considering Tensile Creep

2015· article· en· W1414574220 sur OpenAlexaff
Sunhee Hong, Yuichi Sato, Y. Kaneko, Shinya Kimura

Notice bibliographique

RevueJournal of Advanced Concrete Technology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésShrinkageMaterials scienceComposite materialCreepCrackingComposite numberMortarUltimate tensile strengthFlexural strengthBond strengthStructural engineeringAdhesiveLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

This paper reports on the characteristics of drying shrinkage and creep of steel chip reinforced cementitious composite (SCRCC). In this study, first, four restrained wall specimens made of normal mortar and SCRCC with various numbers of steel reinforcing bars (4 or 10) were prepared to compare drying shrinkage characteristics. The specimens were re-strained on the rigid laboratory floor so that shrinkage cracks were induced. The drying shrinkage strains were measured by the contact gauge method and compared with unrestrained small specimens. The number of cracks was simultane-ously observed. Second, bond tests were prepared to evaluate the bond characteristics between the SCRCC and the steel bar. Third, creep tests were performed to improve the accuracy of the analysis of the drying shrinkage behavior. Twelve block specimens were made and a constant flexural load was applied for 7, 14, and 28 days. The observed shrinkage strains and creep strains of SCRCC were modeled according to CEB-FIP Model Code 1990. These models were incor-porated with bond computation between the SCRCC and the steel bar to predict the number of drying shrinkage cracks. The computed equivalent number of cracks based on the shrinkage strain model, the creep model, and the bond model derived from a pull-out test generally agreed with the test results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,234
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Concrete TechnologyMême sujetInnovative concrete reinforcement materialsTravaux en français237 207