Experimental and RSM-based optimization of sustainable concrete properties using glass powder and rubber fine aggregates as partial replacements
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
Abstract To promote sustainability in concrete production, this study investigates the combined use of glass powder (GP) and rubber fine aggregates (RF) as partial replacements for cement and natural fine aggregates (NF), respectively. The study aligns with several Sustainable Development Goals (SDGs). Ten mixtures were developed using Central Composite Design (CCD) within the Response Surface Methodology (RSM) framework, with GP and RF replacement levels ranging from 0 % to 35 %. Replacing cement with 15 % GP improved compressive strength, tensile strength, and stiffness due to pozzolanic reactivity and packing effects, while higher levels (25–35 %) reduced performance because of increased water demand and dilution. RF replacement up to 15 % maintained workability and strength; beyond this, mechanical properties declined due to RF’s low specific gravity (1.06 g/cm 3 ), weak bonding, and higher porosity. The optimal mix, GP15RF15, achieved a slump of 92 mm, 28-day compressive strength of 40.1 MPa, tensile strength of 5.3 MPa, and modulus of elasticity of 25,914.5 MPa, comparable to the control mix. Correlation analysis showed strong positive relationships among compressive strength, tensile strength, and stiffness ( r ≥ 0.99), while RF content had strong negative correlations ( r = −0.75 to −0.77). Optimization using the desirability function yielded a score of 1.000, with prediction errors below 1.35 %. The results confirm the viability of GP–RF concrete as a durable and eco-efficient alternative for non-prestressed structural components and general infrastructure.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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