MétaCan
Menu
Retour à la cohorte
Enregistrement W4413697197 · doi:10.1139/cjce-2025-0114

Balancing sustainability and strength in concrete: the combined effects of recycled aggregates, silica fume, and nylon fibers

2025· article· en· W4413697197 sur OpenAlexvenueno aff
Bin Li, Di Wu, Jianbao Xing, Wengang Zhang, Syed Tafheem Abbas Gillani

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRecycled Aggregate Concrete Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSilica fumeMaterials scienceComposite materialCompressive strengthWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Concrete, widely used in construction, is a major source of greenhouse gas emissions and resource depletion due to its reliance on cement and NCA. This study evaluates the combined effects of fully replacing NCA with RCA, partially substituting cement with SF, and incorporating NWF on concrete’s engineering performance, durability, and environmental footprint. A three-way ANOVA confirmed highly significant main effects of RCA, SF, and NWF on CS ( p < 10 − 9 ) and STS ( p < 10 − 8 ); 100% RCA reduces mean CS from 76 to 61 MPa, while the synergistic addition of 10% SF and 0.25% NWF recovers 9 MPa of strength. Durability tests reveal that 100% RCA increases water absorption by 25%, but that SF–NWF combinations reduce this penalty by up to 0.48%. CIP doubles under RCA (13–26 mm) yet decreases by 7 mm with SF–NWF synergy, and sulfuric-acid mass loss rises by 3% with RCA but is lowered by 0.6% when additives are applied. A cradle-to-gate life cycle assessment using SimaPro 9.5.0.2 with Ecoinvent 3.10 and the TRACI method shows RCA alone reduces ODP by 18%, GWP by 6.6%, ACP by 8%, and EP by 10%; coupling with 10% SF and 0.1% NWF amplifies these reductions to 25%, 15.7%, 13%, and 16.5%, respectively. Heatmap and sensitivity analyses consistently identify 10SF-100RCA, 10SF0.1N100RCA, and 10SF0.25N100RCA as optimal mixes for balanced performance and sustainability.

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 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)0,000
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 enseignants0,258
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,001
Tête enseignante GPT0,164
Écart entre enseignants0,162 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetRecycled Aggregate Concrete PerformanceTravaux en français237 207