MétaCan
Menu
Retour à la cohorte
Enregistrement W2075237535 · doi:10.1680/coma.800047

Effects of heat and mixing time on self-compacting concrete

2010· article· en· W2075237535 sur OpenAlexaff
Moncef L. Nehdi

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Construction Materials · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSlumpCompressive strengthMaterials sciencePortland cementMixing (physics)Composite materialRheologySuperplasticizerCementGeotechnical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

The coupled effects of ambient temperature and mixing time on the slump loss of self-compacting concrete (SCC) are critical for hot weather concreting. Ordinary Portland cement concrete mixtures were made with a water/cement ratio of 0·38 and incorporating polycarboxylate-, melamine sulfonate-, or naphthalene sulfonate-based superplasticisers. The concrete mixtures were continuously agitated for up to 110 min using a low-shear rate mixer under controlled temperature ranging from 22 to 45°C. The effects of such a prolonged mixing scheme under various temperatures on the slump loss and compressive strength of concrete at ages of 12 h, 1, 3, 7 and 28 days were investigated. The results show that concrete can undergo substantial slump loss when subjected to prolonged mixing at high temperature. Knowledge of the superplasticiser effects at high temperature and prolonged mixing time is critical to achieve adequate rheological properties of concrete in hot weather. The results also indicate that the compressive strength of concrete mixtures is dependent on temperature, mixing time and superplasticiser type. The early-age strength of concrete at high temperature may be about four-fold that at moderate temperature. On the other hand, the long-term compressive strength of concrete subjected to early-age high temperature can decrease by more than 10%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,193
Écart entre enseignants0,189 · 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 tête enseignante, 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

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Civil Engineers - Construction MaterialsMême sujetConcrete and Cement Materials ResearchTravaux en français237 207