Estimating CO2 Emission Savings from Ultrahigh Performance Concrete: A System Dynamics Approach
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
Ordinary Portland cement concrete (OPC) is the world’s most consumed commodity after water. However, the production of cement is a major contributor to global anthropogenic CO2 emissions. In recent years, ultrahigh performance concrete (UHPC) has emerged as a strong contender to replace OPC in diverse applications. UHPC has much higher mechanical strength, and thus less material is used in a structural member to resist the same load. Moreover, it has a much longer service life, reducing the long-term need for repair and replacement of aging civil infrastructure. Thus, UHPC can enhance the sustainability of cement and concrete. However, there is currently no robust tool to estimate the sustainability benefits of UHPC. This task is challenging considering that such benefits can only be captured over the long-term since variables, such as population growth and cement demand per capita, become more uncertain. In addition, the problem of CO2 emissions from cement and concrete is a complex system affected by time-dependent feedback. The System Dynamics (SD) method has specifically been developed for modeling such complex systems. Accordingly, a SD model was developed in this study to test various pertinent policy scenarios. It is shown that UHPC can reduce cumulative CO2 emissions of cement and concrete—over the studied simulation period—by more than 17%. If supplementary cementitious materials are further deployed in UHPC and new technologies permit reducing the carbon footprint per unit mass of cement, emission savings can become more substantial. The model offers a flexible framework where the user controls various inputs and can extend the model to account for new data, without the need for reconstruction of the entire model.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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