MétaCan
Menu
Retour à la cohorte
Enregistrement W3111233021 · doi:10.1088/1757-899x/978/1/012020

Performance of High Strength Cementitious Composites with High Volume Supplementary Cementitious Materials

2020· article· en· W3111233021 sur OpenAlexaff
Adeyemi Adesina, Emad Booya, Karla Gorospe, Sreekanta Das

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCementitiousMaterials sciencePortland cementSilica fumeCompressive strengthComposite materialCementRaw materialSlag (welding)Volume (thermodynamics)

Résumé

récupéré en direct d'OpenAlex

Abstract Portland cement (PC) is the major binder used for cementitious composites. However, due to the increase in the demand for cementitious composites for the construction of infrastructures, there’s a consequential effect of the production of this binder (i.e. PC) on the sustainability of our environment. The production of PC emits huge amounts of carbon dioxide into the environment and posses a huge strain on the natural deposits of its raw material. In order to create a sustainable environment while meeting the high demand for cementitious composites; it is paramount to replace the PC with locally available waste materials. This study incorporates a high volume of slag alongside silica fume at a ratio of 2.2 to that of PC to produce high strength cementitious composites. The effects of these compositions were determined experimentally on its fresh and hardened properties. Results from this study showed that high strength cementitious composites can be produced with a high volume of supplementary cementitious composites up to 80%. The use of slag as 80% replacement of slag resulted in a 9.3% increase in the compressive strength and a 48.1% decrease in sorption.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 seuil1,000

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,193
Écart entre enseignants0,183 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetConcrete and Cement Materials ResearchTravaux en français237 207