Enhancing Concrete Self-Healing Using Wastewater Bacteria Impregnated in Pumice Lightweight Aggregates
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
Self-healing concrete presents a promising solution to counter the degradation of concrete structures caused by cracks and damage. This innovative mechanism employs the concrete's capacity to autonomously repair its cracks, effectively extending the lifespan of structures and reducing maintenance costs. Particularly in regions facing water scarcity, such as the Middle East and North African countries, the utilization of wastewater holds significant importance. This study investigates the self healing abilities of wastewater bacteria infused into lightweight pumice aggregates within concrete. Wastewater contains diverse bacteria, microorganisms, and oxygen—essential components for the self-healing process. Wastewater sourced from the North Gaza Emergency Sewage Treatment (NGEST) Plant in the Gaza Strip in Palestine, was used in this research. Several concrete samples were prepared, incorporating three concentrations of impregnated pumice lightweight aggregates (10%, 15%, and 20%) to assess their self-healing performance. The investigation monitored the compressive strength and crack closure of the concrete samples at multiple stages to evaluate the wastewater's healing potential. Results indicated a notable increase in the compressive strength among the wastewater bacteria samples compared to the reference samples after 28 days of crack induction. Moreover, the crack closure in the wastewater bacteria samples was visibly evident. The rate of crack closure showed a consistent increase at 19-, 26-, and 33-days post-crack formation. These findings are promising and align with previous research that affirmed the significant potential of wastewater in enhancing self-healing properties within concrete structures.
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 | 0,000 | 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) | 0,001 | 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 découle