MétaCan
Menu
Retour à la cohorte
Enregistrement W3097272797 · doi:10.1061/(asce)mt.1943-5533.0003635

Resistance of Alkali-Activated Binders to Organic Acids Found in Agri-Food Effluents

2021· article· en· W3097272797 sur OpenAlexfundno aff
Timothy A. Aiken, Jacek Kwasny, Wei Sha

Notice bibliographique

RevueJournal of Materials in Civil Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésPortland cementFly ashCementitiousCalcium silicate hydrateCementCompressive strengthCalcium hydroxideMaterials scienceEttringiteLactic acidSlag (welding)Acetic acidChemistryWaste managementMetallurgyOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Organic acids, such as acetic and lactic acids, are prevalent in agricultural and food effluents. They pose a considerable pollution threat and must be collected and stored safely before treatment and release. They cause significant damage to cementitious materials, reducing the service life of structures. In this study, the resistance of alkali-activated fly ash and slag-blended binders to organic acids was studied, and a comparison with ordinary portland cement binders was carried out. The findings demonstrate that alkali-activated binders with increased fly ash content have marginally better resistance to acetic acid, but mixes with increased slag content have better resistance to lactic acid. This is due to the solubility of the calcium and aluminum salts of acetic and lactic acids. Overall, the performance of the alkali-activated binders was better than that of the ordinary portland cement binder, with a lower mass and strength losses observed. This was attributed to their lower calcium content with less vulnerable phases, such as calcium hydroxide and ettringite. Instead, the calcium-silicate-hydrate (C-S-H) type gels in alkali-activated binders suffered decalcification and dealumination but left behind a silicon-rich gel, which helped to resist further acid attack.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,790

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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'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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials in Civil EngineeringMême sujetConcrete and Cement Materials ResearchTravaux en français237 207