Achieving Concrete Durability in Chloride Exposures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle