目前,许多可回收的塑料都无法使用,因为它们的组成很难确定,因此在垃圾填埋场中被丢弃或燃烧。。当前的常规分析方法一次仅一次性塑料的量实际上只有很少的塑料(<0.1 g)。该样本量不足以代表大量的再生塑料,在这些塑料中,局部种类的聚合物可能会有很大差异,如图1.²Veridis所示,它开发了一种热分析方法,用于分析称为MADSCAN的聚合物(Massive DSC分析),该方法通过增加最高50 g的样本大小来解决此问题。当前的设置为30克。这项研究的目的是使用MADSCAN技术构建合适的数据库,该数据库可用于使用拟合分析来量化未知的聚合物样品。..图1:由局部不同聚合物组成的再生塑料示例。⁴
在发布政策中指定了此版本的手稿的重复使用条款和条件。使用受版权保护的作品需要权利持有人(作者或出版商)的同意。可根据创意共享许可证或发布者的定制许可提供的作品可根据其中包含的条款和条件使用。有关更多信息和条款和条件,请参见编辑网站。此项目是从IrisUniversitàPolitecnicadelle Marche(https://iris.univpm.it)下载的。引用时,请参阅已发布的版本。
使用高级机器学习(ML)的物理信息建模(PIM)代表混凝土技术领域的范式转变,提供了科学严谨和计算效率的有效融合。通过利用基于物理原理和数据驱动算法之间的协同作用,PIM-ML不仅简化了设计过程,还可以增强混凝土结构的可靠性和可持续性。随着研究继续完善这些模型并验证其性能,他们的采用有望彻底改变整个全球建筑项目中混凝土材料的设计,测试和利用。在这项研究工作中,一项广泛的文献综述,生成了一个全球代表性数据库,用于沉迷于可回收骨料混凝土的裂纹拉伸强度(FSP)。测量并列出了研究的混凝土组件,例如C,W,NCAG,PL,RCAG_D,RCAG_P,RCAG_WA,VF和F_TYPE。将收集的257个记录分为200个记录(80%)的培训集和57个记录(20%)的验证集(20%),以与数据库的更可靠分区相符。使用“ WEKA数据挖掘” 3.8.6版创建的五种高级机器学习技术用于预测FSP,并且还使用了Hoffman&Gardinger方法和性能指标分别评估变量和ML模型的灵敏度和性能。结果表明,KSTAR模型证明了模型之间的性能和可靠性水平最高,以0.96的r 2为0.96,精度为94%。其RMSE和MAE在0.15 MPa时均较低,表明预测和实际值之间的偏差很小。其他指标,例如WI(0.99),NSE(0.96)和KGE(0.96),进一步证实了该模型的效率和一致性,使其成为实用应用的最可靠工具。的灵敏度分析还表明,水含量(W)在40%处发挥了最大的影响,这表明混合物中的水量是实现最佳拉伸强度的关键因素。这强调了需要仔细的水管理以平衡可持续混凝土生产中的可行性和力量。粗大的天然聚集物(NCAG)具有38%的实质影响,表明其在维持混凝土混合物的结构完整性中的重要作用。
本文档中有关公司业务或拟议业务的陈述,不是历史事实,是涉及风险和不确定性的前瞻性陈述,例如描述公司未来计划,目标或目标的估计和陈述,包括公司或管理层期望发生陈述条件或结果的效果。由于前瞻性陈述解决了未来的事件和条件,因此它们涉及固有的风险和不确定性。在每种情况下的实际结果可能与此类陈述中当前预期的结果有重大不同。投资者被告知不要过分依赖前瞻性陈述。
本文档中有关公司业务或拟议业务的陈述,不是历史事实,是涉及风险和不确定性的前瞻性陈述,例如描述公司未来计划,目标或目标的估计和陈述,包括公司或管理层期望发生陈述条件或结果的效果。由于前瞻性陈述解决了未来的事件和条件,因此它们涉及固有的风险和不确定性。在每种情况下的实际结果可能与此类陈述中当前预期的结果有重大不同。投资者被告知不要过分依赖前瞻性陈述。
关于Nexam Chemical Nexam Chemical开发了技术和产品,这些技术和产品可以以具有成本效益的方式和保留的生产技术来显着改善大多数类型塑料的生产过程和性能。改进的特性包括强度,韧性,温度和耐化学性能以及使用寿命。通过使用Nexam Chemical的技术可以实现的性能的改进,可以在许多应用中用塑料代替金属和其他较重或更昂贵的材料。在已经使用塑料的应用中,Nexam Chemicals产品可以改善制造过程,减少材料使用并实现更环保的替代方案。商业应用的示例:管道制造,泡沫生产和高性能塑料。有关业务的更多信息将在www.nexamchemical.com上找到。公司的认证顾问是Bergs Securities AB。可以通过info@ bergssecurities.se或通过电话 +46-8 408 933 50与Bergs Securities AB联系。
hal是一个多学科的开放访问档案,用于存款和传播科学研究文件,无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
使用从拆除废物中产生的再生骨料来生产混凝土是减少建筑环境对环境影响的一种有希望的选择。然而,预测再生骨料混凝土的硬化性能是其在建筑领域大规模部署的主要障碍之一。由于传统的经验方法对于预测新的再生骨料配方的性能不太可靠,近年来,人工智能方法已得到广泛发展,以实现这一目标。在本文中,我们对预测再生骨料混凝土的机械性能和进行敏感性分析的人工智能 (AI) 方法进行了广泛的文献综述。本研究对文献中发现的主要方法和算法的适用性、准确性和计算要求进行了详尽的描述、检查和讨论。此外,还强调了各种算法的优点和缺点。人工智能算法已在各种预测应用中取得了成功,并且准确率很高。虽然这些算法是用于估计再生骨料混凝土混合物成分和机械性能的强大预测工具,但它们的性能高度依赖于数据结构和超参数选择。这项研究可以帮助工程师和研究人员更好地决策使用人工智能算法进行机械性能预测和/或优化再生骨料混凝土的配方。
UST打开冰箱,您会发现塑料是我们带回家的食物的主要包装材料。混合沙拉,蘑菇,散布,鸡肉以及番茄酱,乳制品和软饮料:它们通常都用塑料包装。可乐和番茄酱存储在PET瓶中(聚对苯二甲酸酯),聚丙烯(PP)桶中的Yo-Ghurt,大型塑料牛奶瓶由高密度聚乙烯(HDPE)制成。然后是混合的塑料:Salami显示在由PET和聚乙烯(PE)制成的薄复合托盘上,并用由各种塑料层组成的纤维密封。和大多数瓶顶是由聚乙烯制成的。这种多样性使回收充满挑战。在理想的情况下,您可以按类型和颜色回收塑料,然后将其磨碎并洗涤以去除食物。最终,将这种再生塑料加工成制造商制造新瓶,托盘和箔的颗粒。,但是由于不良物质污染的风险,目前不允许使用大多数类型的丢弃塑料制作食物包装。只有通过沉积机分别收集的PET瓶才能为新瓶提供原材料。从一桶酸奶,牛奶瓶或冰淇淋桶中的塑料不回到厨房,而是在回收后作为油漆桶,花园椅子,洗发水瓶或垃圾袋,获得了新的生活。某些收集的塑料被焚化,因为它被污染了,无法回收,或者包含过多的不受欢迎的塑料 - 例如,构造废物或玩具。
Aurubis AG 是全球领先的有色金属供应商,也是全球最大的铜回收商之一。该公司将复杂的金属精矿、废金属、有机和无机含金属回收材料以及工业残渣加工成最高品质的金属。Aurubis 每年生产超过 100 万吨阴极铜,并由此生产出各种产品,例如由铜和铜合金制成的盘条、连铸形状、型材和扁平轧制产品。Aurubis 还生产许多其他金属,包括贵金属、硒、铅、镍、锡和锌。其产品组合还包括硫酸和硅酸铁等其他产品。