Evolution of thermal parameters of wet‐screened dam concrete after different freeze–thaw deterioration
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
Abstract Even with specialized equipment, it is difficult to measure the thermal parameters of dam concrete during freeze–thaw testing. In addition, numerical calculations usually assume that freeze–thaw cycling does not change the thermal parameters of the aggregate and mortar of dam concrete, which makes it difficult to accurately determine how these parameters evolve during freeze–thaw deterioration. To address this challenge, we propose herein a new method to determine the thermal parameters of wet‐screened dam concrete during freeze–thaw deterioration. This method involves freeze–thaw testing, temperature perturbation, numerical calculation, and optimization inversion. First, 200 rapid freeze–thaw tests and 5 temperature perturbation tests of 5 concrete specimens were carried out. Next, orthogonal design parameters were used to calculate the temperature field of the specimens via the finite‐element method. A neural network was then established based on the difference between the measured and calculated temperatures. The expected difference and measured density were fed into the model to invert the thermal parameters of the concrete for different water–cement ratios, ages, and content of the air‐entraining agent. The results show that, upon increasing the number of freeze–thaw cycles, the thermal conductivity of wet‐screened dam concrete gradually decreases, the specific heat remains relatively constant, and the surface heat‐transfer coefficient gradually increases.
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