MétaCan
Menu
Retour à la cohorte
Enregistrement W4394678862 · doi:10.12688/f1000research.148275.1

Multi-objective optimization of sustainable cement-zeolite improved sand based on life cycle assessment and artificial intelligence

2024· preprint· en· W4394678862 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueF1000Research · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueConcrete Properties and Behavior
Établissements canadiensMcMaster UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésOpen peer reviewPlant biologyZeoliteCementLife-cycle assessmentEnvironmental scienceMaterials scienceBiologyMetallurgyBotanyBiochemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Background: Cement-zeolite improved sand can be used in diverse civil engineering applications. However, earlier research has not duly optimized its production process to attain best mechanical strength, lowest cost, and least environmental impact. This study proposes a multi-objective optimization approach using back-propagation neural network (BPNN) to predict the mechanical strength, along with an adaptive geometry estimation-based multi-objective evolutionary algorithm (AGE-MOEA) to identify the best parameters for cement-zeolite-improved sand, filling a long-lasting research gap. Methods: A collection of unconfined compression tests was used to evaluate cemented sand specimens treated with stabilizers including portland cement (at dosages of 2, 4, 6, 8, and 10%) and six dosages of natural zeolite as partial replacement for cement (0, 10, 30, 50, 70, and 90%) at different curing times of 7, 28, and 90 days. The study further conducts a detailed analysis of life cycle assessment (LCA) to show how partial zeolite replacement for cement impacts the environment. Through a tuning process, the BPNN model found the optimal architecture and accurately predicted the unconfined compressive strength of cement-zeolite improved sand systems. This allowed the AGE-MOEA to optimize zeolite and cement dosages, density, curing time, and environmental impact. Results: The results of this study reveal that the optimal range of zeolite was between 30-45%, which not only increased cemented sand strength, but also reduced the cost and environmental impact. It is also shown that increasing the zeolite replacement to 25-30% can increase the ultimate strength of cemented sand, yet exceeding this limit can cause the strength to decrease. Conclusions: Zeolite has the potential to serve as an alternative for cement in applications that involve cemented sand, while still achieving mechanical strength performance, which is comparable or even superior. From an LCA standpoint, using zeolite as partial cement replacement in soil improvement projects is a promising alternative.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,335
Écart entre enseignants0,290 · 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