Nghiên cứu ảnh hưởng của cấp cường độ chịu nén của bê tông và ăn mòn cốt thép đến khả năng chịu lực uốn của dầm bê tông cốt thép sử dụng phần mềm Abaqus
Bibliographic record
Abstract
Bài báo nghiên cứu ảnh hưởng của cấp cường độ chịu nén của bê tông và cấp ăn mòn cốt thép đến khả năng chịu lực uốn của dầm bê tông cốt thép (BTCT) thông qua mô phỏng bằng phương pháp phần tử hữu hạn sử dụng phần mềm Abaqus. Các dầm được khảo sát có kích thước150x200x2100 (mm) với các cấp cường độ bê tông là B20, B30 và B45 và các cấp ăn mòn cốt thép là 0%, 2%, 4%, 8%, 10% và 15%. Kết quả chỉ ra rằng, mô hình Abaqus được sử dụng có độ tin cậy cao khi sự chênh lệch giữa khả năng chịu lực của mô hình mô phỏng và thí nghiệm của dầm đối chứng và dầm ăn mòn lần lượt là 1,2% và 0,6%. Kết quả từ mô hình phân tích cũng cho thấy, cốt thép bị ăn mòn làm suy giảm cả giới hạn chảy và khả năng chịu lực uốn của dầm BTCT. Cấp cường độ chịu nén của bê tông ảnh hưởng nhỏ đến khả năng chịu lực uốn trong khi sự ăn mòn cốt thép dọc ảnh hưởng lớn đến khả năng chịu lực uốn của dầm BTCT.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.112 | 0.029 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".