MétaCan
Menu
Retour à la cohorte
Enregistrement W2914441411 · doi:10.1139/cgj-2018-0696

Short- and long-term effects of sodium chloride on strength and durability of coal fly ash stabilized with carbide lime

2019· article· en· W2914441411 sur OpenAlexvenueno aff
Nilo César Consoli, Rodrigo Beck Saldanha, Hugo Carlos Scheuermann Filho

Notice bibliographique

RevueCanadian Geotechnical Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado do Rio Grande do SulConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésFly ashLimeCuring (chemistry)Compressive strengthDurabilityMaterials scienceCalcium carbideComposite materialCarbideCoalPorositySodiumMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

The research presented aims to quantify the influence of the curing period (t), dry unit weight (γd), lime amount (L), and the addition of sodium chloride (NaCl) on the short- and long-term behaviors of coal fly ash – carbide lime blends. Strength and wet–dry durability tests were carried out for differing values of porosity (η), L, and curing time (t) on mixtures that either contained small amounts of NaCl or contained none. Addition of NaCl to the mixtures resulted in significant increase in early strength gain when compared to specimens without NaCl, which demand longer curing periods to reach similar strength values. The addition of NaCl to coal fly ash – carbide lime blends reduced the accumulated loss of mass (ALM) after 12 wet–dry brushing cycles for specimens at early stages of curing (about 50% for 7 days). Equivalence in the unconfined compressive strength (qu) and ALM(after 12 wet–dry cycles) between the specimens with and without NaCl is achieved in the long term. Finally, a variance analysis performed regarding qu and ALM results yielded that the order of importance of the controllable factors changed from t, NaCl addition, γd, and L for strength to γd, t, NaCl addition, and L for ALM(after 12 wet–dry cycles).

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,187
Écart entre enseignants0,182 · 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

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetMaterials Engineering and ProcessingTravaux en français237 207