文献

J-GLOBAL ID：201802281568516030   整理番号：18A1688288

人工神経回路網を用いた改良ゼオライト添加モルタルの圧縮及び曲げ強さの予測【JST・京大機械翻訳】

Prediction of compressive and flexural strengths of a modified zeolite additive mortar using artificial neural network

著者 (2件)： Onyari E.K. (Department of Civil and Chemical Engineering, College of Science, Engineering and Technology, University of South Africa, P/Bag X6 Florida 1710, Johannesburg, South Africa) ,  Ikotun B.D. (Department of Civil and Chemical Engineering, College of Science, Engineering and Technology, University of South Africa, P/Bag X6 Florida 1710, Johannesburg, South Africa)
資料名： Construction and Building Materials  (Construction and Building Materials)
巻： 187  ページ： 1232-1241  発行年： 2018年 
JST資料番号： T0560A  ISSN： 0950-0618  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 人工ニューラルネットワーク(ANN)を用いて,改質ゼオライト添加剤(MZA)で作られたモルタルの圧縮および曲げ強度を予測した。ANNは,入力,隠れ,出力層を含む3層を持っていた。入力層は6つのパラメータを持っていた:セメント量,シリカ砂量,改質ゼオライト添加剤(MZA)量,水量,養生期間,および負荷重量。出力層は圧縮または曲げ強度のいずれかで構成されていた。ANNモデルを開発し,30試料を訓練と試験に用いた。2つの評価を行い,最初に,圧縮強度を予測する際の隠れ層におけるニューロンの有効数を決定した。第2の評価は,ニューラルネットワークが異なる荷重の下で圧縮または曲げ強度を予測する精度を評価した。一般的に,ANNは訓練データから学習し,優れた結果を与えることができた。圧縮強度に関しては,試験データは4つの荷重に対して0.9967,0.9938,0.9924および0.6676の相関係数(R2)で推定され,一方,曲げ強度は2つの荷重に対して0.9984および0.9990のR2で予測された。ANNは,モルタルの圧縮と曲げ強さの両方を決定するために,実験的研究の補強あるいはリeに使用できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  ニューロン ,  *ゼオライト ,  *モルタル ,  圧縮強さ ,  セメント ,  *曲げ強さ ,  相関係数 ,  二酸化ケイ素
準シソーラス用語： 実験研究 ,  試験データ ,  訓練データ ,  隠れ層 ,  養生期間 ,  改質ゼオライト , 【Automatic Indexing@JST】

著者キーワード (4件)： 人工神経回路網 ,  圧縮強度 ,  曲げ強さ ,  修飾ゼオライト添加剤

分類 (1件)： モルタル,コンクリート  (RA06042H)

タイトルに関連する用語 (5件)： 人工神経回路網 ,  ゼオライト ,  モルタル ,  曲げ強さ ,  予測