MétaCan
Menu
Retour à la cohorte
Enregistrement W2952945761 · doi:10.1016/j.dib.2019.104127

Two dimensional non-destructive testing data maps for reinforced concrete slabs with simulated damage

2019· article· en· W2952945761 sur OpenAlexafffund
Harsh Rathod, Rishi Gupta

Notice bibliographique

RevueData in Brief · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development Fund
Mots-clésReinforced concreteStructural engineeringResearch articleNondestructive testingForensic engineeringMaterials scienceComputer scienceGeologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This research presents the use of a total of five Non-Destructive Testing Techniques (NDTs) and their combination to detect and quantify subsurface simulated defects in Reinforced Concrete slabs. The NDT techniques were applied on a total of nine 1800 mm × 460 mm reinforced concrete slabs with varying thicknesses of 100 mm, 150 mm and 200 mm. Contour data maps from each technique were prepared. This Data article presents the Non-Destructive Testing Techniques' specifications, experimental set-up and converted 2-Dimensional NDT data maps for reinforced concrete slabs with simulated damage. The experimental research shows that combining multiple techniques together in evaluating the defects give significantly lower error and higher accuracy compared to that from a standalone test. For more details on the accuracy model of the NDTs, refer to the full length article entitled "Sub-surface simulated damage detection using Non-Destructive Testing Techniques in reinforced-concrete slabs" https://doi.org/10.1016/j.conbuildmat.2019.04.223 Rathod et al., 2019.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,313
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetStructural Health Monitoring TechniquesTravaux en français237 207