MétaCan
Menu
Retour à la cohorte
Enregistrement W4297826334 · doi:10.1520/jte20210697

Application of Stiffness Damage Test on Rubberized Concrete

2022· article· en· W4297826334 sur OpenAlexaff
S.H. Diab, Ahmed Soliman, Khalid Saqer Alotaibi, Michelle Nokken

Notice bibliographique

RevueJournal of Testing and Evaluation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialUltimate tensile strengthStiffnessCompressive strengthYoung's modulusAggregate (composite)Crumb rubberNatural rubberElasticity (physics)Elastic modulus

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Utilizing waste rubber tires in concrete as a partial replacement of aggregate reduces its carbon footprint and modifies its performance. Several researchers have evaluated the properties of crumb rubber concrete (CRC). This article evaluated the potential of one of the most promising testing techniques for concrete (i.e., the stiffness damage test (SDT)) for CRC. Fine crumb rubber aggregate (FCRA) was added as a replacement for fine aggregate at a dosage of 10 % by volume. Results reveal that compressive strength decreased by 29.5 %, 28.4 %, and 28.0 %, and tensile strength decreased by 31.1 %, 31.3 %, and 28.0 % because of FCRA at 28, 56, and 90 days, respectively. A strong relation was found between the strength and time (i.e., specimen age) and was represented linearly with R2 around 0.99 for compressive and tensile strength. The modulus of elasticity of CRC showed 27.7 %, 26.0 %, and 25.5 % reductions at 28, 56, and 90 days, respectively. Poisson’s ratio for the same mixture exhibited an increase of about 34.7 %, 31.3 %, and 28.0 % at 28, 56, and 90 days, respectively. The results showed that SDT output parameters, including the hysteresis area, stiffness, plasticity deformation, and elasticity, decreased as a function of time and were sensitive enough to quantify the change of CRC mixture properties. In addition, adding FCRA caused an increase in plasticity deformation and elasticity over time.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,036
Tête enseignante GPT0,280
Écart entre enseignants0,244 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetInnovative concrete reinforcement materialsTravaux en français237 207