MétaCan
Menu
Retour à la cohorte
Enregistrement W2788395218 · doi:10.1051/matecconf/201814901072

Feasibility of backfilling mines using cement kiln dust, fly ash, and cement blends

2018· article· en· W2788395218 sur OpenAlexfundno aff
H. Beltagui, Mohammed Sonebi, Karen Maguire, Susan Taylor

Notice bibliographique

RevueMATEC Web of Conferences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésCement kilnCementCompressive strengthFly ashLimeMaterials scienceThermogravimetric analysisAlkalinityKilnWaste managementComposite materialEnvironmental scienceMetallurgyChemical engineeringEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Cement kiln dust (CKD) is an industrial by-product of the cement manufacturing process, the composition of which can vary widely. Recent years of using alternative fuels have resulted in higher chloride and alkali contents within CKDs; as such, this limits the applications in which CKDs can be utilised. Using a CKD containing a high free lime content of 29.5%, it is shown that this CKD is capable of activating pulverized fuel ash (PFA) due to its high alkalinity, which can be utilised in low strength un-reinforced applications. One potential application involves the backfill of mines, reducing the need for continuous maintenance of the mine. This study focuses on the compressive strength achieved by various blends of CKD, PFA, and cement. Samples were hand mixed and compacted in 100 mm x 50 mm diameter cylinders, and unconfined compressive strength measurements taken at 28 and 56 days. The hydration products were assessed through the use of x-ray diffraction and thermogravimetric analysis. Aiming to maximise the use of CKD at a water to binder (w/b) ratio of 0.2, it was found that the maximum CKD content possible to achieve the required strength was 90% CKD blended with 10% cement.

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 savante0,0010,001
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 Opus0,069
Tête enseignante GPT0,303
Écart entre enseignants0,234 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMATEC Web of ConferencesMême sujetConcrete and Cement Materials ResearchTravaux en français237 207