MétaCan
Menu
Retour à la cohorte
Enregistrement W1994637690 · doi:10.3846/13923730.2013.799092

JOINT SEALS FOR HYDRAULIC STRUCTURES IN SEVERE CLIMATES

2014· article· en· W1994637690 sur OpenAlexafffund
Jahangir Mirza

Notice bibliographique

RevueJournal of Civil Engineering and Management · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensHydro-Québec
Organismes subventionnairesHydro-Québec
Mots-clésNeopreneMaterials scienceJoint (building)Shore durometerMortarCementComposite materialSiliconeStructural engineeringEngineeringNatural rubber

Résumé

récupéré en direct d'OpenAlex

This paper presents laboratory test data on 21 joint seals: 10 field-moulded sealants (FMS; 1- and 2-components polyurethanes, polysulphides, silicones, etc.) and 11 preformed seals (neoprene, silicone, high-density open-cell and low-density closed-cell foams, etc.). The aim was to evaluate their performance in submerged, partially submerged and essentially dry conditions in extremely severe climates. These seals were tested on cement mortar substrates as well as on steel substrates. The tests carried out on FMS were: adhesion-in-peel strength, compression-extension cycling at severe temperatures, Shore A hardness, weatherability and modulus of elasticity, etc. On preformed seals, the tests conducted were weatherability, % recovery and load deformation behaviour, etc. Conclusions, recommendations and the specific suitability of joint seals with cement mortar and steel substrates are reported. The general conclusion is that even though the joint seals evaluated had similar base chemical constituents, they showed variable results. Their properties and characteristics differ from one manufacturer to others, indicating that prior knowledge about their performance is essential to the user. Furthermore, the published data on the performance of seals used in hydraulic structures situated in severe climatic conditions is sparse. It is recommended that utilities publish as much information as possible to help others.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Civil Engineering and ManagementMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207