MétaCan
Menu
Retour à la cohorte
Enregistrement W7017917654

Characterisation of pyrrhotite-bearing concrete aggregates using conventional techniques in combination with SEM-based Automated Mineralogy

2021· dissertation· no· W7017917654 sur OpenAlexaboutno aff

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2021
Typedissertation
Langueno
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBauxiteMining industryPozzolanic activity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Magnetkis i betongtilslag har fått økt oppmerksomhet de siste årene grunnet potensielt skadelige effekter på betongs bestandighet. Deler av overskuddsmassene fra tunnelbyggingen ved Follobanen var tiltenkt å gjenbrukes i betongsegmenter, men ble avvist til dette formålet som følge av indikasjoner på magnetkis og overskridende svovelverdier. I Trois-Rivières, Canada, har mer enn 1000 betongfundamenter blitt utsatt for omfattende skader som følge av høyt sulfidinnhold, spesielt i form av magnetkis. Ifølge Norsk standard for betongtilslag NS-EN12620, senkes den opprinnelige grenseverdien for svovel fra 1 wt% til 0,1 wt% dersom det foreligger indikasjoner på magnetkis i tilslaget. Påvisning av magnetkis i betongtilslag er ofte forbundet med stor usikkerhet på grunn av de små mengdene som kan være tilstede og vanskeligheter med å skille mineralet fra svovelkis (pyritt). \n\nDenne oppgaven presenterer karakterisering av betongtilslag fra Follobanetunnelen og en tilslagsprodusent i Trois-Rivières, utført ved hjelp av LECO-analyse for totalt svovelinnhold, XRF, XRD, DTA, optisk mikroskopi, EPMA og SEM-basert Automatisk Mineralogisk (AM) analyse. De ulike metodenes egnethet og evne til å bestemme svovelinnhold og detektere magnetkis er videre evaluert og sammenlignet. Ifølge AM-analyse inneholder tilslaget fra Follobanen gjennomsnittlig 0,172 wt% svovelkis, 0,009 wt% kobberkis og 0,006 wt% magnetkis. DTA indikerer svovelkis og magnetkis i alle prøvene fra Follobanen, men gir ingen informasjon om mengdeforholdet. Sulfidinnholdet i tilslaget fra Trois-Rivières består gjennomsnittlig av 0,604 wt% magnetkis, 0,596 wt% svovelkis, 0,136 wt% pentlanditt og 0,061 wt% kobberkis. Magnetkisen i dette tilslaget er betydelig forvitret, mens svovelkisen fremstår uforvitret. Ettersom de finere fraksjoner (0,045/1mm) inneholder mer frimalt og oksidert magnetkis enn de grovere fraksjonene (>1mm), tyder det på at magnetkis-holdig betongtilslag i fraksjoner <1mm er mest skadelig ved bruk i betong. Mineraloppskriften som gir mest optimal kvantifisering av magnetkis og svovelkis med AM-analyse er basert på jerninnhold henholdsvis over eller under 58 wt%. \n\nOppgaven viser at AM-analyse på prøver av knust tilslag antakelig er den beste måten for påvisning og kvantifisering av magnetkis i små mengder. En svakhet med dagens testregime er at påvisning av magnetkis kun skal foregå med DTA, uten noen form for verifikasjon. Dette er uheldig ettersom DTA ofte ikke gir entydige svar på om tilslag med lavt totalt sulfidinnhold består av svovelkis, magnetkis eller begge mineraler. Implementering av AM-analyse i NS-EN12620 vil gi et bedre beslutningsgrunnlag for hvorvidt tilslag med lavt sulfidinnhold og usikre påvisninger fra DTA, skal tillates for bruk i betong. Det er svært ugunstig dersom gode tilslagsforekomster blir avvist for bruk i betong som følge av unøyaktige testmetoder. Samtidig er korrekt påvisning av magnetkis helt avgjørende for å unngå store skader i betongfundamenter.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,000
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)0,0020,001

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 Opus0,018
Tête enseignante GPT0,291
Écart entre enseignants0,273 · 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'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetCell Image Analysis TechniquesTravaux en français237 207