An Experimental Investigation of Environmentally Friendly Concrete Reinforced With Graphene Nanoplatelets
Notice bibliographique
Résumé
Carbon Dioxide ( 2 ) is the principal greenhouse gas that contributes to increasing the greenhouse effect, which has a significant adverse impact on the environment. There are large quantities of carbon dioxide emissions associated with cement production. Production of cement is estimated to be responsible for approximately 8% of global greenhouse gas emissions. Besides its environmental impact, concrete also exhibits low tensile and ductility, which can result in cracks. In recent years, carbon nanomaterials, such as Carbon Nanotubes (CNT), Carbon Nanofibers (CNFs), Graphene Nanoplatelets (GNPs), Graphene Oxide (GO), and Reduced Graphene Oxide (rGO), have gained increasing attention from the building industry and scientific community due to their exceptional mechanical and physical properties. In fact, the use of carbon nanomaterials is considered an environmentally friendly method of enhancing the mechanical properties of concrete. The purpose of this study is to investigate the effects of GNPs on the mechanical properties of concrete using the wet dispersion method. In addition to using ultrasonic treatment to prepare GNP dispersions, a superplasticizer is also used to facilitate the dispersion of GNPs in water. Concrete specimens were prepared with 0.25 wt% GNPs. Compressive, flexural and tensile strength of concrete at age of 7 days were assessed. As a result of adding GNPs, strength of concrete specimens was enhanced. Furthermore, when GNPs were incorporated into concrete specimens, compressive, flexural and tensile strength was increased by 19, 8.7 and 9.1 % respectively.
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 | 0,000 | 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 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 ».