A Case Study on Practical Prediction of Natural Carbonation for Concretes Containing Supplementary Cementitious Materials
Notice bibliographique
Résumé
The present study investigated the prediction of natural carbonation, focussing on concrete construction containing supplementary cementitious materials (SCMs). Modern concrete construction predominantly employs standard common cements containing SCMs of various types and proportions. However, the use of SCMs in concrete complicates carbonation modelling, since various types and proportions of pozzolanic materials give varied levels of carbonation rate. Altogether, 553 data values of natural carbonation were taken from the literatures and employed in the natural carbonation prediction (NCP) model. The model's robustness is also partly examined through employment of contrasting carbonation exposure conditions comprising the subtropical weather of South Africa and Canada's temperate cold winter climate. The data covers a wide range of concretes containing various SCMs comprising silica fume, fly ash or slag, incorporated in various proportions meeting the requirements for standard and/or blended cement types. Realistic predictions of the measured natural carbonation results were obtained, giving similar levels of accuracy for concretes made with or without SCMs. The range of prediction accuracy for carbonation, was the same or similar to that for other natural phenomena of concrete behaviour. Findings of the present study also affirm the veracity of the carbonation modelling approach employed, and shows its applicability for concrete construction made with standard cement types, or other Portland cements containing known proportions of conventional SCMs.
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 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».