Nano-modified concrete at sub-zero temperatures: experimental and statistical modelling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In cold regions, concrete practitioners face challenges when trying to achieve quality results with concrete produced under low temperatures. The addition of nano-silica, which has vigorous reactivity, to concrete can produce mixtures with a dense microstructure and improved hardened properties under cold temperatures. Thus, this research focused on gaining a fundamental understanding of the performance of nano-modified concrete which was mixed, cast and cured at a temperature of −5°C, without any method of heating or insulation. This study adopted the response surface method as a statistical modelling approach to assess the effect of different parameters on the performance of 28 mixtures. Four factors were implemented in this model – water/binder ratio, fly ash content (0–25%), nano-silica dosage (0–4%) and type of antifreeze admixtures – followed by optimisation scenarios. The mixtures’ performance was assessed based on multiple responses: initial and final setting times, early- and late-age compressive strengths and resistance to freezing–thawing cycles. In addition, mercury intrusion porosimetry, thermogravimetry and backscattered scanning electron microscopy were conducted to capture the microstructural evolution of the mixtures. Nano-modified mixtures with and without fly ash, especially with a low water/binder ratio (0·32) and high calcium nitrite content, showed promising performance when cast under cold weather conditions without any protection method.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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