MétaCan
Menu
Retour à la cohorte
Enregistrement W2601268808 · doi:10.1680/jmacr.16.00433

Properties of self-consolidating rubberised concrete reinforced with synthetic fibres

2017· article· en· W2601268808 sur OpenAlexaff
Basem H. AbdelAleem, Mohamed K. Ismail, Assem A. A. Hassan

Notice bibliographique

RevueMagazine of Concrete Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFlexural strengthUltimate tensile strengthMaterials scienceComposite materialCrumb rubberReinforcementNatural rubber

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to develop and optimise self-consolidating rubberised concrete (SCRC) modified by different types and volumes of synthetic fibres (SFs). Steel fibres were also tested in this investigation for comparison. The investigation particularly sought to utilise the beneficial effect of fibres to alleviate the reduction in splitting tensile and flexural strengths resulting from adding crumb rubber (CR) to SCRC mixtures. The results indicated that the addition of SFs reduced the fresh properties, which limited the maximum percentage of CR that could be used in SCRC mixtures to 20%, compared to 30% maximum percentage of CR used in developing successful SCRC mixtures without SFs. However, the use of SFs beneficially contributed to alleviating the reduction in the splitting tensile strength and flexural strength of SCRC mixtures resulting from adding CR. Although increasing the length of SFs further reduced the fresh properties of the mixtures, this also enhanced further the splitting tensile and flexural strengths of SCRC mixtures. The results also showed that when self-compactability was disregarded, it was possible to use a higher combination of CR (30%) and fibre (1% volume fraction) in the development of vibrated rubberised concrete, resulting in mixtures with further improvements in splitting tensile and flexural strengths, and reduced self-weight.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0010,000

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 Opus0,047
Tête enseignante GPT0,293
Écart entre enseignants0,246 · 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

Citations37
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagazine of Concrete ResearchMême sujetInnovative concrete reinforcement materialsTravaux en français237 207