26 октября 2026 г. · @Ftohi@123 Введение Бетон, уложенный в жаркую погоду, ведет себя иначе, чем бетон, уложенный в лабораторных условиях. Высокие температуры воздуха и материалов, низкая относительная влажность, ветер и солнечная радиация повышают уровень воды...
26 октября 2026 г. · @Ftohi@123
Аннотация
Бетонирование в жарком засушливом климате ускоряет потерю осадки, сокращает время схватывания, увеличивает испарение со свежих поверхностей и усиливает температурные градиенты раннего возраста. Эти эффекты определяются взаимодействием переменных смеси, окружающей среды и эксплуатации, которые традиционные номограммы и эмпирические уравнения отражают лишь частично. Машинное обучение (ML) широко применяется к затвердевшему бетону, однако его использование для определения поведения свежего и раннего бетона, которое доминирует в практике жаркой погоды, остается фрагментированным в литературе по материалам, конструкциям и управлению строительством. В данной статье представлен первый критический обзор, посвященный ML для бетонирования в жаркую погоду. Рецензируемые исследования, опубликованные в журналах, индексируемых Scopus (квартили Q1–Q4), были проверены и сгруппированы вокруг пяти явлений: технологичность и потеря осадки, кинетика схватывания и гидратации, растрескивание при испарении и пластической усадке, повышение температуры на ранней стадии и термическое растрескивание, а также развитие прочности на месте. Для каждого из них в обзоре сравниваются алгоритмы, входные характеристики, происхождение данных и практика проверки. Анализ показывает, что древовидные ансамбли и нейронные сети достигают высокой точности.