Korozyonlu betonarme kolonların deneysel korozyon seviyelerinin eşdeğer akım yoğunluğuna bağlı olarak teorik korozyon seviyeleriyle karşılaştırılması
Bibliographic record
Abstract
Korozyon ürünlerinin oluşumundan ödün verilmeksizin, istenen korozyon oranlarının elde edilebilmesi için eşdeğer akım kullanılarak korozyonun hızlandırılmasının bilimsel gerekçesi güçlüdür. Uygulanan eşdeğer akım tekniği, beton içerisine gömülü olan donatı çubuklarını belirli sabit oranlarda korozyona uğratma avantajına sahip olsa da, eşdeğer akım tarafından tesir ettirilen korozyon oranı, gerçek korozyon oranını tam olarak yansıtamaz. Teorik ve gerçek korozyon kütle kayıplarının aynı olmamasının gerekçeleri; betonun direnci, donatı çubuğunun bileşimi, betondaki minerallerin elektriksel özellikleri gibi çeşitli faktörlere atfedilmektedir. Bu araştırmanın amacı, yazarların bilgisi dâhilinde olmak üzere, farklı beton basınç seviyelerinde korozyona maruz kalmış 24 betonarme kolon numunelerinin, daha önceden kaydedilmiş olan korozyon akım yoğunluk ölçümleri ile oluşturulan deneysel veriler kullanılarak, hesap edilen teorik korozyon oranı ile gerçek korozyon oranı arasında deneye dayalı bir ilişki kurmaktır. Geliştirilecek olan deneye dayalı model kullanılarak elde edilen deneysel bulguların, literatürde bildirilen teorik bir model kullanılarak elde edilen sonuçlarla karşılaştırılması planlanmıştır. Böylece, tahribatsız olarak ölçülen eşdeğer akım değerleri kullanılarak, donatı korozyonunun daha sağlıklı değerlendirilebileceği beklenmektedir.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.004 |
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".