A generalized two-step model for predicting thermal conductivity of bentonite-based mixtures in nuclear waste repositories
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.
Notice bibliographique
Résumé
Thermal conductivity (TC) of buffer/backfill materials critically governs high-level radioactive waste repository performance. Based on the geometric mean method and effective medium theory (EMT), a “two-step” TC prediction model for bentonite-based mixtures was proposed. A solid-phase correction factor ( c) and water–air balance factor ( z) are introduced to adjust the contribution weights of the solid, liquid, and gas phases to the TC of the matrix (bentonite–water–air). The EMT was then employed to embed additives as a dispersed phase into the matrix, establishing a computational framework for mixture TC. Based on 538 sets of measured TC for bentonite-based mixtures, the predictive performance of the new model and existing prediction models was evaluated. The results indicate that for both single and multi-component bentonite-based mixtures, the new model demonstrates significantly superior predictive accuracy compared to existing models. The R 2 values of existing models remain below 0.6 (e.g., differential effective medium theory model 0.536 for bentonite–graphite mixtures, improved geometric mean model 0.576 for bentonite–graphene oxide mixtures, and up to 0.581 on the entire database), whereas the proposed model achieves R 2 values of 0.836–0.979 across specific mixtures and 0.868 for the entire database, demonstrating a substantial improvement in predictive accuracy. By incorporating parameters c and z, the new model accurately captures the combined influence of individual phases on mixture TC. The model also exhibits enhanced universality for predicting the TC of diverse mixtures and effectively elucidates the influence patterns of key factors on thermal 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle