MétaCan
Menu
Retour à la cohorte
Enregistrement W4381573545 · doi:10.5281/zenodo.8066519

STRENGTHENING UNDERGROUND REINFORCED CONCRETE STRUCTURES USING EXTERNALLY BONDED CARBON FIBRE-REINFORCED POLYMER SHEETS

2023· paratext· en· W4381573545 sur OpenAlexaffabout
Oumaima Awassa, Raafat El‐Hacha, Kevin Falkenberg

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typeparatext
Langueen
DomaineEngineering
ThématiqueInnovative concrete reinforcement materials
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialReinforced concreteCarbon fibersCarbon fiber reinforced polymerStructural engineeringPolymerEngineeringComposite number

Résumé

récupéré en direct d'OpenAlex

Globally, most of our infrastructures have deteriorated or reached the end of their intended lifespan due to changes in usage or structural degradation. As a consequence, they are in urgent need of repair, strengthening, rehabilitation, or replacement. Canada is no exception and is facing challenges due to the condition of its concrete infrastructure, which requires immediate attention. For instance, the underground core network in Calgary's downtown, which comprises approximately 2735 manholes and 476 transformer vaults, exhibits severe deterioration. While replacing these underground structures with new ones would be ideal; however, it is not an option as it is often financially and operationally impractical due to their location and continuing usage. Therefore, repairing and strengthening these structures using Externally Bonded Carbon Fibre Reinforced Polymer (EB-CFRP) sheets is crucial for the safety of Calgarians. Hence, this paper aims to investigate the feasibility and effectiveness of using EB-CFRP sheets to restore the original flexural capacity of these deteriorated structures.

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)0,0010,001

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 GPT0,253
Écart entre enseignants0,218 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetInnovative concrete reinforcement materialsTravaux en français237 207