文献

J-GLOBAL ID：201902254067759772   整理番号：19A2473510

超微細GGBSを含む半軽量コンクリートの圧縮強度を予測するための人工神経回路網【JST・京大機械翻訳】

Artificial Neural Network to Predict the Compressive Strength of Semilightweight Concrete Containing Ultrafine GGBS

著者 (2件)： Parthiban P. (Department of Civil Engineering, National Institute of Technology, Tiruchirappalli, Tamil Nadu, , India (Corresponding author), e-mail: , https://orcid.org/0000-0002-2178-9309) ,  Karthikeyan Jayakumar (Department of Civil Engineering, National Institute of Technology, Tiruchirappalli, Tamil Nadu, , India)
資料名： Journal of Testing and Evaluation  (Journal of Testing and Evaluation)
巻： 48  号： 2  ページ： Null  発行年： 2020年 
JST資料番号： B0721B  ISSN： 0090-3973  CODEN： JTEVAB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 設計強度は,通常,28日の養生期間後に,同一の条項ごとに決定される。硬化前の圧縮強度の予測は待ち時間を短縮し,規則的な建設活動を促進する。本研究の目的は,超微細粉砕高炉スラグ(UFGGBS)を含む半軽量コンクリート(sLWC)の28日圧縮強度を予測するためのニューラルネットワークモデルを開発することである。本研究では,木材灰から成る新しい軽量粗骨材を用いて,sLWCを調製した。セメントのような6つの入力パラメータ,セメント置換としてのUFGGBS,粗骨材としての軽量木材灰ペレット,細骨材,水含有量,および流動化剤を用いてモデルを訓練した。28日圧縮強度を出力パラメータとした。合計384のデータを,16の試料を含む24のsLWC混合物から収集し,フィードフォワード逆伝搬モデルを用いて人工ニューラルネットワーク(ANN)で訓練した。訓練データを一連の試験データで検証した。訓練および試験データに対する相関係数R2値は,それぞれ0.932および0.917であり,最小誤差であった。本研究は,ANNがsLWCの圧縮強度を予測するための信頼できる高速ツールであると結論した。また,コストと時間を効率的に削減した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *軽量コンクリート ,  *圧縮強さ ,  細骨材 ,  相関係数 ,  木材 ,  粗骨材 ,  *ニューラルネットワーク ,  流動化剤 ,  含水量 ,  ペレット ,  フィードフォワード ,  セメント ,  待ち時間 ,  高速度
準シソーラス用語： *軽量 , 【Automatic Indexing@JST】

著者キーワード (6件)： 半軽量コンクリート ,  人工神経回路網 ,  木灰 ,  圧縮強度 ,  フィードフォワードニューラルネットワーク ,  超微細粉砕高炉スラグ

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)： 超微細 ,  軽量コンクリート ,  圧縮強度 ,  予測 ,  人工神経回路網