Use of Taguchi Method to Optimize the Mix Design of Pervious Geopolymer Concrete
Notice bibliographique
Résumé
The challenges related to the impervious pavement, including tire-pavement noise, urban heat island effect, and skid resistance, can be mitigated using pervious pavements.Instead of cement, Pervious geopolymer concrete (PGC) utilizes industrial wastes that would otherwise end up in landfills to produce an alkali-activated binder.This paper aims to optimize the mix design of PGC for superior mechanical performance using the Taguchi method.The binder consisted of a 3:1 blend of ground granulated blast furnace slag and fly ash.A total of nine PGC mixtures were designed, considering four factors, each at three levels, namely the binder content (400, 450, 500 kg/m 3 ), dune sand addition (0, 10, 20%), alkaline activator solution-to-binder ratio (AAS/B, 0.55, 0.60, 0.65), and sodium hydroxide (SH) molarity (8, 10, 12).The signal-to-noise (S/N) ratios were determined to optimize the mixture proportions for superior mechanical performance, with compressive strength being the response criterion.Results showed that the optimum mix was made with a binder content of 500 kg/m 3 , dune sand addition of 20%, AAS/B of 0.60, and SH molarity of 12 M. Experimental research findings serve as a guide for optimizing the production of PGC with superior compressive strength while minimizing the number of experiments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».