Optimization of Mechanical and Durability Properties of Manganese Slag Hybrid Fiber Concrete Using an L9 Orthogonal Design and Grey Relational Analysis
Notice bibliographique
Résumé
Studies have highlighted manganese slag (MnS) mixed-fiber concrete as a construction material, in view of the effects of varying proportions of MnS, steel fibers (SF), and polypropylene fibers (PPF) on the mechanical properties and durability of C30 MnS hybrid fiber-reinforced concrete (MHFC).Using an L9 orthogonal design, ten mix ratios were tested for compressive strength, flexural strength, and chloride ion resistance at 7, 28, 56, and 91 days.A grey relational analysis (GRA) method was employed to comprehensively evaluate nine mix proportioning schemes across four curing ages.By analyzing the grey relational degrees, the optimal mix proportioning scheme was identified.Results indicated that SF had the greatest positive impact on both compressive and flexural strength, followed by MnS, while PPF had a limited effect.The optimal mix-20% MnS, 1.0% SF, and 0.5% PPF-achieved a 23% increase in compressive strength and 33% in flexural strength at 28 days.In terms of the durability of concrete in corrosive environments, the optimal performance was achieved with a mix proportion of 10% MnS, 1.0% SF, and 1.0% PPF.These findings provide guidance for optimizing MHFC and highlight the potential of industrial by-products in enhancing concrete durability.Further research is recommended to refine mix designs and assess long-term field performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».