MétaCan
Menu
Retour à la cohorte
Enregistrement W4417073022 · doi:10.1016/j.dibe.2025.100821

Synergistic application of modified zeolite and biochar in improving the performance of sandy vegetation concrete

2025· article· en· W4417073022 sur OpenAlexaff
Daxiang Liu, Yan Zhou, Xiu-Zheng Zhang, Chao Kang, Zhiyou Huang, Kaile Wang, Boyang Xu, Zuosen Luo, Dong Xia, Mingyi Li, Xudong Hu, Wennian Xu, Yueshu Yang

Notice bibliographique

RevueDevelopments in the Built Environment · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePolymer-Based Agricultural Enhancements
Établissements canadiensWSP (Canada)
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Three Gorges UniversityNational Natural Science Foundation of ChinaHubei Key Laboratory of Disaster Prevention and MitigationHubei Provincial Department of Education
Mots-clésBiocharVegetation (pathology)ZeoliteAdsorptionSoil fertility

Résumé

récupéré en direct d'OpenAlex

The combined use of zeolite (ZL) and biochar (BC) can effectively address the problems of poor anti-erodibility and fertility retention capacity of vegetation concrete (VC) prepared from sandy soil. Natural ZL (NZL), especially clinoptilolite, has some disadvantages, such as presence of numerous impurities distributed in the pores and low surface activity, which lead to insufficient adsorption ability. To fully utilize the synergistic effect of ZL and BC, NZL was modified into physical (PZL), chemical (CZL), and composite-modified ZL (SZL). Results showed trend in the average pore size was SZL > CZL > PZL > natural ZL, and the changes in the functional groups on the surface of SZL was the most significant. Modified ZLs enhanced VC performance: PZL had the strongest effect on anti-erodibility, while SZL was most effective in improving fertility and retention. Our results provided a useful method for treating engineering defects in VC prepared using sandy soil.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,005
Tête enseignante GPT0,188
Écart entre enseignants0,183 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopments in the Built EnvironmentMême sujetPolymer-Based Agricultural EnhancementsTravaux en français237 207