MétaCan
Menu
Retour à la cohorte
Enregistrement W4399802978 · doi:10.5267/j.esm.2024.4.001

Improving mechanical properties of concrete by using fibrous materials

2024· article· en· W4399802978 sur OpenAlexvenueno aff
Omar Shahid Khan, Samiullah Sohu, Mir Zafarullah Jamali, S. N. Ahmed, Sasitharan Nagapan

Notice bibliographique

RevueEngineering Solid Mechanics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Concrete is the most significant source of construction in the construction industry of the world. However, concrete causes excessive production of cement, which is one of the key contributors of carbon dioxide emissions to the environment. To minimize the use of cement in concrete, various innovative materials are being added in concrete to make it sustainable. In this study, a comparative study between three fibers Carbon Fiber, Glass Fiber, and steel fibers was done to determine which one is the most suitable fiber. For this purpose, testing on specimens was done for tensile and compressive strength at 0.5% addition of each fiber. Testing was done after 3, 7, 14, and 28 days of curing. The results spelled out that the highest compressive strength of 37.53 MPa of cube specimens was found in carbon fiber after 28 days, and Glass fibers exhibited the lowest gain in strength at about 32.335 MPa. Carbon Fiber gained 28% more strength than the control mix. On the other hand, tensile strength was also found highest in carbon fibers i.e. for the cubes the maximum difference between different fibers inducted concrete samples is 28% approximately, and for cylinders it is 27%, respectively. On the other hand, the highest tensile strength of concrete was also gained with the carbon fiber at about 3.61 MPa. The same was found lowest in glass fiber at 3.12 MPa. Carbon fiber got about 44 % improvements in tensile 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 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 seuil0,003

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,206
Écart entre enseignants0,195 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Solid MechanicsMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207