MétaCan
Menu
Retour à la cohorte
Enregistrement W4404536353 · doi:10.1007/s44290-024-00127-2

Shear capacity analysis of fiber reinforced polymer concrete beams

2024· article· en· W4404536353 sur OpenAlexaboutno aff
Mohammed Sharif

Notice bibliographique

RevueDiscover Civil Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Behavior of Reinforced Concrete
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceShear (geology)Reinforced concreteStructural engineeringComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

In recent years, fiber reinforced polymer (FRP) reinforcement has garnered significant interest in the construction industry, particularly in concrete beam construction. Determining the shear capacity of FRP-reinforced beams is, however, an intricate task. The shear capacity of FRP-reinforced concrete beams can be estimated using design equations from various international standards of practice. However, these equations are often adaptations of those used for conventional steel reinforcement, resulting in unreliable estimates. This research compares design equation predictions with experimental data, utilizing test results from 48 carbon FRP-reinforced and 73 glass FRP-reinforced concrete beams. The results reveal significant differences in the accuracy and reliability of shear capacity predictions using American (ACI), Canadian (CSA), and Japanese (JSCE) design standards for both types of concrete beams. The ACI standard has high underestimation and inconsistent predictions for carbon and glass FRP beams, making it unsuitable for shear design. The CSA standard provides consistent predictions with moderate underestimation for both types of FRP beams, but it shows overestimation in certain cases. The JSCE standard consistently shows moderate underestimation without any instances of overestimation, making it a reliable tool for engineers and practitioners to estimate the shear capacity of both types of FRP-reinforced beams.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover Civil EngineeringMême sujetStructural Behavior of Reinforced ConcreteTravaux en français237 207