Statistical analysis of compositional factors affecting the compressive strength of alumina-loaded epoxy (ALOX).
Notice bibliographique
Résumé
Detailed statistical analysis of the experimental data from testing of alumina-loaded epoxy (ALOX) composites was conducted to better understand influences of the selected compositional properties on the compressive strength of these ALOX composites. Analysis of variance (ANOVA) for different models with different sets of parameters identified the optimal statistical model as, y{sub l} = -150.71 + 29.72T{sub l} + 204.71D{sub l} + 160.93S{sub 1l} + 90.41S{sub 2l}-20.366T{sub l}S{sub 2l}-137.85D{sub l}S{sub 1l}-90.08D{sub l}S{sub 2l} where y{sub l} is the predicted compressive strength, T{sub l} is the powder type, D{sub l} is the density as the covariate for powder volume concentration, and S{sub il}(i=1,2) is the strain rate. Based on the optimal statistical model, we conclude that the compressive strength of the ALOX composite is significantly influenced by the three main factors examined: powder type, density, and strain rate. We also found that the compressive strength of the ALOX composite is significantly influenced by interactions between the powder type and the strain rate and between the powder volume concentration and the strain rate. However, the interaction between the powder type and the powder volume concentration may not significantly influence the compressive strength of the ALOX composite.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».