Mathematical Modeling for Evaluating the Mechanical Properties of High Strength Concrete with Natural Zeolite and Additives
Notice bibliographique
Résumé
The cement manufacturing industry is a major contributor to atmospheric pollution, primarily due to carbon dioxide emissions.Consequently, there is a pressing need to develop eco-friendly concrete capable of mitigating air pollution by sequestering atmospheric carbon dioxide.In this context, the incorporation of Natural Zeolite in concrete has been investigated, as it can absorb environmental carbon dioxide.This study explored the effects of partial cement replacement with Natural Zeolite (5%) and varying percentages of Silica Fume, Metakaolin, and Fly Ash (5%, 10%, and 15%) on the mechanical properties and carbon sequestration potential of High Strength Concrete (HSC).Comprehensive testing was conducted to evaluate the split tensile, compressive, and flexural strengths of the modified HSC.Experimental results indicated that the addition of Natural Zeolite and Metakaolin enhanced the strength of HSC, with Mix 3 displaying a higher 90-day compressive strength compared to the reference mix.The findings suggest that incorporating Natural Zeolite and other supplementary cementitious materials in concrete has the potential to alleviate environmental pollution.The dataset, comprising 900 samples, exhibited no autocorrelation or multicollinearity issues, making it suitable for multiple regression analysis.The statistically significant regression models developed in this study can effectively predict concrete strength.
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 ».