MétaCan
Menu
Retour à la cohorte
Enregistrement W2899230353 · doi:10.1051/matecconf/201819907007

UHPFRC for concrete repair

2018· article· en· W2899230353 sur OpenAlexaff
Alexandrine Maltais, N. Petrov, M. Thibault, Benoı̂t Bissonnette

Notice bibliographique

RevueMATEC Web of Conferences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensUniversité LavalSt. Lawrence Seaway Management
Organismes subventionnairesnon disponible
Mots-clésLock (firearm)DissipationShut downStructural engineeringFiber-reinforced concreteMaterials scienceReinforced concreteForensic engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

As part of the St. Lawrence Seaway lock maintenance, the current practice is to perform concrete repairs entirely with reinforced concrete, using either ordinary concrete or high performance concrete (HPC) mixtures. However, with the recent advances in the field of ultra-high performance fiber-reinforced concrete (UHPFRC), the use of this new material is considered in view of improving the overall performance of repairs. The goal is to implement repairs capable of dissipating a lot of energy before breaking when a ship hits a concrete lock wall. Numerous rehabilitation materials and methods have been experimented in the past. They all were unsuccessful due to inadequate shear and impact strength characteristics of the repair materials used. These needs can be efficiently fulfilled with UHPFRC, with their superior mechanical properties and very high energy-dissipation ability. To analyze the in-situ behavior of UHPFRC, two main mixture designs were investigated: a 160-MPa mixture containing 3% of steel fibers and a 120-MPa mixture containing 3.5% of a steel fiber blend. Thick repairs with average depths of 700 mm were carried out during the winter shut down period, in very harsh climatic conditions (-12 °C, gusty wind). The performance exhibited by the repairs after a full year shows that UHPFRCs can withstand very effectively the impacts from the transiting vessels

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0580,035

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 Opus0,024
Tête enseignante GPT0,254
Écart entre enseignants0,230 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMATEC Web of ConferencesMême sujetInnovative concrete reinforcement materialsTravaux en français237 207