文献

J-GLOBAL ID：202002236000652055   整理番号：20A0883471

構造健全性モニタリングのためのコンクリート電気抵抗率のXGBoostアルゴリズムに基づく予測【JST・京大機械翻訳】

XGBoost algorithm-based prediction of concrete electrical resistivity for structural health monitoring

著者 (5件)： Dong Wei (Dept. of Civil, Environmental & Mining Engineering, The University of Western Australia, Perth 6009, Australia) ,  Huang Yimiao (Dept. of Civil, Environmental & Mining Engineering, The University of Western Australia, Perth 6009, Australia) ,  Lehane Barry (Dept. of Civil, Environmental & Mining Engineering, The University of Western Australia, Perth 6009, Australia) ,  Ma Guowei (Dept. of Civil, Environmental & Mining Engineering, The University of Western Australia, Perth 6009, Australia) ,  Ma Guowei (Dept. of Civil & Transportation Engineering, Hebei University of Technology, Tianjin 300401, China)
資料名： Automation in Construction  (Automation in Construction)
巻： 114  ページ： Null  発行年： 2020年 
JST資料番号： W0491A  ISSN： 0926-5805  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 構造健全性モニタリングのために,電気抵抗率測定(ERM)法は,塩化物透過性と鋼補強材の腐食によって示されるように,コンクリートの耐久性の検出のために一般的に使用されている。しかし,以前の実験的研究によると,ERMの結果は,コンクリートの水/セメント比や構造硬化環境のような複数の影響因子により,またそれらの複雑な相互関係により,著しい不確実性に敏感である。そこで本研究では,すべての潜在的影響因子を同時に考慮したXGBoostアルゴリズムに基づく予測モデルを提案した。16の入力属性から構成される800の実験例を含むデータベースを,既存の報告された研究に従って構築し,XGBoostモデルを訓練し試験するために利用した。統計的スコア(RMSE,MAEおよびR2)およびGridsearchCV特徴を,それぞれ確立したモデルを評価し,最適化するために適用した。結果は,提案したXGBoostモデルが,訓練と試験セットの両方に対して,回帰適合線の高い係数(0.991と0.943)と比較的低いRMSE値(4.6と11.3kΩcm)によって実証されたように,満足できる予測性能を達成することを示した。また,属性重要度ランキングの分析は,硬化年齢とセメント含有量がERM結果に最大の影響を持つことを明らかにした。Copyright 2020 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： *コンクリート ,  不確実性 ,  等級づけ ,  予測モデル ,  最適化 ,  機械学習 ,  *アルゴリズム ,  鋼 ,  塩化物 ,  データベース ,  補強材料 ,  セメント ,  *電気抵抗率
準シソーラス用語： 影響因子 ,  *構造ヘルスモニタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： コンクリートの電気抵抗 ,  構造ヘルスモニタリング ,  機械学習 ,  XGBoostアルゴリズム

分類 (2件)： コンクリート構造  (RA04030A) ,  モルタル,コンクリート  (RA06042H)

タイトルに関連する用語 (5件)： 構造健全性モニタリング ,  コンクリート ,  電気抵抗率 ,  アルゴリズム ,  予測