熱履歴を用いた質量配置における高強度コンクリートの圧縮強度を予測する確率的ニューラルネットワーク【JST・京大機械翻訳】

Roberson Madeleine M.; Inman Kathleen M.; Carey Ashley S.; Howard Isaac L.; Shannon Jay

文献

J-GLOBAL ID：202202213744385494 整理番号：22A0097913

熱履歴を用いた質量配置における高強度コンクリートの圧縮強度を予測する確率的ニューラルネットワーク【JST・京大機械翻訳】

Probabilistic neural networks that predict compressive strength of high strength concrete in mass placements using thermal history

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0097913&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0097913&from=J-GLOBAL&jstjournalNo=E0860A") }}

著者 (5件)： , , , ,
資料名：
巻： 259 ページ： Null 発行年： 2022年
JST資料番号： E0860A ISSN： 0045-7949 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)

本研究は,熱履歴と重要な混合成分を与えるUHPC圧縮強度を予測するために,人工ニューラルネットワークの使用を調査した。ここで開発したモデルは,モンテカルロドロップアウトを用いてBayes変分推論を採用して,様々な技術を用いて収集した7つのUHPC混合物に関する735のデータポイントを用いて予測の不確実性を伝達した。データポイントは,各UHPC混合物(セメントタイプ,二酸化ケイ素含有量,混合タイプ,水セメント材料比,および混和剤量比率)を区別するために,3つの養生入力(試験片熟成度,養生中に経験した最大温度,最大温度の時間)および5つの混合物入力とともに測定した圧縮強度を含んだ。入力分析は,予測が混合入力よりも硬化入力に敏感であると結論した。平均して,最終モデルにおける実験結果の8.2%は予測範囲外で,これらのケースの67.9%が保存的に過小予測されていた。結果は,このモデル方法論が,与えられたデータセットの範囲内で十分な確率的予測を可能にするが,訓練データを超える外挿はできないことを支持する。さらに,その汎用性を評価するために,文献から得られた様々なデータセットを用いて,モデルを作成した。全体としてこのモデルは,既知の不確実性を有する高強度コンクリートの機械的性質を予測する有望な進歩である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

コンクリート構造 , 梁,桁

, , , , ,

前のページに戻る