MétaCan
Menu
Retour à la cohorte
Enregistrement W7038739164

Internal curing of high performance concrete bridge decks and its effects on performance, service life, and life-cycle cost

2008· article· en· W7038739164 sur OpenAlexaffvenue

Notice bibliographique

RevueNPARC · 2008
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésService lifeCrackingBridge deckShrinkageCuring (chemistry)Deck
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

High performance concrete (HPC) bridge decks are prone to premature cracking if movement is restrained. Internal curing (IC) can reduce shrinkage cracking in structures, thus improving their performance and service life. However, there is very limited information in the literature on the possible extension of service life due to internal curing. This paper addresses this question by using predictive models to estimate the service life and life-cycle costs of a typical bridge deck made with concrete using internal curing as opposed to conventional curing. Four options are compared: (i) normal concrete deck; (ii) HPC deck; (iii) HPC deck with internal curing; and (iv) very high performance concrete deck with internal curing. It was found that the use of internal curing can extend the service life of HPC bridge decks by almost ten years, which is mainly due to due a slower penetration of chlorides as a result of reduced shrinkage cracking. The use of internal curing in HPC decks resulted in a 20% reduction in life-cycle costs, even though the in-place unit cost of internally-cured HPC can be up to 4% higher than that of conventionally-cured HPC. The higher initial investment for the construction of the HPC-IC deck can be offset in only 5 years when compared to that required for normal concrete deck. This is due to a longer service life and less frequent maintenance activities.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0010,000

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 Opus0,059
Tête enseignante GPT0,301
Écart entre enseignants0,242 · 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
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetScientific Computing and Data ManagementTravaux en français237 207