MétaCan
Menu
Retour à la cohorte
Enregistrement W2997229577 · doi:10.1520/jte20180114

Response of Concrete to Incremental Aggression of Sulfuric Acid

2018· article· en· W2997229577 sur OpenAlexaff
M. H. Mahmoud, M. T. Bassuoni

Notice bibliographique

RevueJournal of Testing and Evaluation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSulfuric acidSilica fumeFly ashPortland cementCementitiousMaterials scienceCementComposite materialChemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract There is lack of standardized tests for specifically evaluating the resistance of concrete to sulfuric acid attack, which has caused great variability, for example, in terms of solution concentration, pH level/control, etc., among previous studies in this area. Accordingly, there are conflicting data about the role of key constituents of concrete (e.g., supplementary cementitious materials [SCMs]) and uncertainty about building codes’ stipulations for concrete exposed to sulfuric acid. Hence, the aim of this study was to assess the behavior of the same concretes, prepared with single and blended binders, to incremental levels (mild, severe, and very severe) of sulfuric acid solutions over 36 weeks. The test variables included the type of cement (general use [GU] or portland limestone cement [PLC]) and SCMs (fly ash, silica fume, and nanosilica). The severe (1 %, pH of 1) and very severe aggression (2.5 %, pH of 0.5) phases caused mass loss of all specimens, with the latter phase providing clear distinction among the performance of concrete mixtures. The results showed that the penetrability of concrete was not a controlling factor under severe and very severe damage by sulfuric acid attack, whereas the chemical vulnerability of the binder was the dominant factor. Mixtures prepared from the PLC performed better than those prepared from GU. While the quaternary mixtures that consisted of GU or PLC, fly ash, silica fume, and nanosilica showed the highest mass losses after 36 weeks, the binary mixtures incorporating GU or PLC with fly ash had the lowest mass losses.

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 enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
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 Opus0,067
Tête enseignante GPT0,343
Écart entre enseignants0,276 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetConcrete and Cement Materials ResearchTravaux en français237 207