Life-Cycle Assessment of Alkali-Activated Materials Incorporating Industrial Byproducts
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
Eco-friendly and sustainable materials that are cost-effective, while having a reduced carbon footprint and energy consumption, are in great demand by the construction industry worldwide. Accordingly, alkali-activated materials (AAM) composed primarily of industrial byproducts have emerged as more desirable alternatives to ordinary Portland cement (OPC)-based concrete. Hence, this study investigates the cradle-to-gate life-cycle assessment (LCA) of ternary blended alkali-activated mortars made with industrial byproducts. Moreover, the embodied energy (EE), which represents an important parameter in cradle-to-gate life-cycle analysis, was investigated for 42 AAM mixtures. The boundary of the cradle-to-gate system was extended to include the mechanical and durability properties of AAMs on the basis of performance criteria. Using the experimental test database thus developed, an optimized artificial neural network (ANN) combined with the cuckoo optimization algorithm (COA) was developed to estimate the CO2 emissions and EE of AAMs. Considering the lack of systematic research on the cradle-to-gate LCA of AAMs in the literature, the results of this research provide new insights into the assessment of the environmental impact of AAM made with industrial byproducts. The final weight and bias values of the AAN model can be used to design AAM mixtures with targeted mechanical properties and CO2 emission considering desired amounts of industrial byproduct utilization in the mixture.
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) | 0,008 | 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