Cold weather concrete: current practices and innovative mix designs and protection methods
Notice bibliographique
Résumé
Concreting in cold weather can be challenging because low temperatures can slow down the hardening processes of the concrete. Reducing the heating requirements for cold weather concreting is an area where further research and development are needed. This study allows for a thorough exploration of the effects of multiple variables on the properties of concrete under cold weather conditions. In Phase I, two commercial winter concrete mixtures of Type 6 (supplier I (L) and supplier II (C)) were chosen for testing, and the curing process was conducted at four different temperatures: -5, 0, +5, and +23°C. The protection was done using a commercial tarp as per current field practices for pavements. According to the results, the C and L concrete mixtures exhibited better mechanical and durability properties at temperatures of 0 and +5°C, and the tarp was inadequate at -5°C temperature. In Phase II, the impact of two antifreeze additives: calcium nitrate-based (CN) and urea, on the performance of concrete containing nano-silica, was assessed. The concrete was cast and cured at -5°C. The concrete specimens modified with nano-silica and containing CN exhibited the highest mechanical strength and durability properties, but the counterparts prepared with urea also exhibited satisfactory performance. In Phase III, internal curing of concrete was achieved by Lightweight Aggregates (LWA): expanded shale (ES) and slag-based (SB) aggregates, that were saturated with phase change material (PCM). The test variables included the use of different LWA contents (15% and 30% as a replacement for normal aggregate) and sizes (fine and coarse aggregates). The mixtures were prepared, cast, and cured at -15°C. The properties of concrete were directly affected by the size, type, and amount of LWA. The mixtures with 30% ES exhibited superior mechanical and durability properties compared to the SB mixtures and mixtures with 15% replacement, respectively. The size of LWA led to a divergent trend between the ES and SB mixtures. While the mixtures containing expanded shale fine aggregate (ESFA) demonstrated superior performance compared to those containing expanded shale coarse aggregate (ESCA), the trend was reversed for SB mixtures, depending on the absorption capacity to PCM.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».