Effects of Rebar Size and Volume Fraction of Glass Fibers on Tensile Strength Retention of GFRP Rebars in Alkaline Environment via RSM and SHAP Analyses
Notice bibliographique
Résumé
This study evaluates the degradation of glass fiber reinforced polymer (GFRP) rebars in alkaline environment under accelerating aging in terms of tensile strength retention (TSR). In addition to environmental conditions such as the pH of the surrounding solution, temperature, and aging duration, the manufacturing parameters of GFRP rebars (i.e., diameter of rebar, db) and volume fraction (Vf) are vital in the degradation of GFRP rebars in alkaline environments as well as scarcely reported. To assess the effect of these variables on the degradation (i.e., TSR), shapely additive explanations (SHAP analysis) based on light gradient-boosting machine (Light GBM), and statistical analysis using response surface methodology (RSM) were used. The Light GBM and RSM models were developed using 715 experimental results of TSR obtained from the existing literature. The performance of both models was reliable in terms of correlation and error analysis. The interaction among the variables was further analyzed using detailed explanations of how each variable affected the prediction of TSR. The results revealed that the TSR generally increases at higher Vf and db of GFRP rebars; however, it decreases with increasing pH, temperature, and duration of exposure. Furthermore, maximum TSR was recorded for pH of 12.6 (Vf=0.62−0.70 and db=14–16 mm). Finally, severe degradation was observed for rebars having 0.55>Vf>0.70. The findings of this study suggest that the current practice of various structural codes using GFRP rebars having minimum mass fraction of 70% (≈0.48Vf) could be improved by using the range of Vf determined in this study to minimize the degradation in alkaline environments.
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) | 0,001 | 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 ».