MétaCan
Menu
← Retour à la cohorte
Enregistrement W2135352440 · doi:10.5539/mas.v8n1p113

Preflex Prestressing Technology on Steel Truss Concrete-Composite Bridge with Medium Span

2014· article· en· W2135352440 sur OpenAlexvenueno aff
Tang Hui, Wei Wenlong, Cui Xiupeng

Notice bibliographique

RevueModern Applied Science · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueCivil and Geotechnical Engineering Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural engineeringTrussDeckSpan (engineering)PierBridge (graph theory)Materials scienceComposite numberCompressive strengthRigid frameStress (linguistics)Composite materialEngineeringFrame (networking)Mechanical engineering

Résumé

récupéré en direct d'OpenAlex

Guangdong Qingqiyong bridge is a prefabricated steel truss-concrete composite continuous rigid frame bridge with a span arrangement of 41 m + 70 m + 41 m, to prevent cracks of concrete deck on the bridge pier top section, prestress tendons are usually arranged inside of the concrete deck, after the connection between deck panels and steel truss, prestress tendons are tensioned to make deck compressed, it has been proved that this conventional prestress method is tedious for construction and it also results in a significant loss of prestress. In addition, stress of the top chords in the pier top section is very small in all construction stages, mainly ranges from -60 MPa to 50 MPa, thus failed to make full use of its material properties; therefore, preflex prestressing technology of steel truss concrete composite bridge (PPSC in short) was put forward based on preflex prestressing technology, then the detailed analysis was conducted. To validate the feasibility of PPSC, another case study-Wanzhou Bridge was carried out. Results show that the PPSC technology is feasible and it can avoid the use of prestress tendon, simplify the construction, make deck panels get the expected compressive stress easily and make full use of steel properties.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied Science→Même sujetCivil and Geotechnical Engineering Research→Travaux en français237 207→