MétaCan
Menu
Retour à la cohorte
Enregistrement W2522876796 · doi:10.4028/www.scientific.net/kem.711.607

Achieving Concrete Durability in Chloride Exposures

2016· article· en· W2522876796 sur OpenAlexaff
R.D. Hooton

Notice bibliographique

RevueKey engineering materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete Corrosion and Durability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDurabilityService lifeConcrete coverCuring (chemistry)ChlorideCorrosionStructural engineeringMaterials scienceForensic engineeringComputer scienceEngineeringComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Obtaining durability in concrete structures over a long service life in chloride exposures requires knowledge of the concrete properties, relevant transport processes, depths of cover as well as minimization of cracking and construction defects. For example, imperfect curing can result in depth-dependent effects of the concrete cover’s resistance to chloride ingress. Several service life models with various levels of sophistication exist for prediction of time-to-corrosion of concrete structures exposed to chlorides. The model inputs have uncertainty associated with them such as boundary conditions (level of saturation and temperature), cover depths, diffusion coefficients, time-dependent changes, and rates of buildup of chlorides at the surface. The performance test methods used to obtain predictive model inputs as well as how models handle these properties have a dramatic impact on predicted service lives. Very few models deal with the influence of cracks or the fact that concrete in the cover zone will almost certainly have a higher diffusion coefficient than the bulk concrete as the result of imperfect curing or compaction. While many models account for variability in input properties, they will never be able to account for extremes in construction defects. Therefore, to ensure the reliability of service life predictions and to attain a concrete structure that achieves its predicted potential, designers, contractors and suppliers need to work together, using proper inspection, to ensure proper detailing, minimize defects, and adopt adequate, yet achievable, curing procedures. As well, concrete structures are often exposed to other destructive elements in addition to chlorides (eg. freezing or ASR) and this adds another level of complexity since regardless of cause, cracks will accelerate the ingress of chlorides. These issues are discussed along with the need to use performance-based specifications together with predictive models.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,006
Tête enseignante GPT0,178
Écart entre enseignants0,172 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetConcrete Corrosion and DurabilityTravaux en français237 207