MétaCan
Menu
Retour à la cohorte
Enregistrement W4214711641 · doi:10.3390/fire5020034

Influence of Natural Fire Development on Concrete Compressive Strength

2022· article· en· W4214711641 sur OpenAlexaff
Robert Kuehnen, Maged A. Youssef, S.F. El-Fitiany

Notice bibliographique

RevueFire · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFire effects on concrete materials
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCompressive strengthEnvironmental scienceNatural (archaeology)Work (physics)Building constructionStructural engineeringMaterials scienceEngineeringComposite materialMechanical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

With increasing acceptance of performance-based design principles in the field of fire safety, it is imperative to accurately define the behaviour of materials during fire exposure. Real-world fire events, otherwise referred to as natural fires, are defined by four characteristics: heating rate, maximum temperature, exposure duration, and cooling rate. Each of these four characteristics influences concrete’s behaviour in a different manner. In this paper, the available experimental work for concrete, tested at elevated temperatures, is examined to identify the influence of the four natural fire characteristics on concrete compressive strength. This review focuses on normal strength concrete tests only, omitting parameters such as unique additives and confinement. The intent is to provide a fundamental understanding of normal strength concrete. The findings show that maximum temperature and cooling rates have a significant influence on concrete strength. Exposure duration has a moderate impact, particularly at shorter durations. Variable rates of heating have minimal influence on strength. Detailed conclusions are provided along with review limitations, practical considerations for designers, and future research needs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFireMême sujetFire effects on concrete materialsTravaux en français237 207