Concrete's compressive strength is widely studied in order to understand many qualities and the grade of the concrete mixture. Conventional civil engineering tests involve time and resources consuming laboratory operations which results in the deterioration of concrete samples. Proposing efficient non-destructive models for the prediction of concrete compressive strength will certainly yield advancements in concrete studies. In this study, the efficiency of using radial basis function neural network (RBFNN) which is not common in this field, is studied for the concrete compressive strength prediction. Complementary studies with back propagation neural network (BPNN), which is commonly used in this field, have also been carried out in order to verify the efficiency of RBFNN for compressive strength prediction. A total of 13 input parameters, including novel ones such as cement's and fly ash's compositional information, have been employed in the prediction models with RBFNN and BPNN since all these parameters are known to influence concrete strength. Three different train: test ratios were tested with both models, while different hidden neurons, epochs, and spread values were introduced to determine the optimum parameters for yielding the best prediction results. Prediction results obtained by RBFNN are observed to yield satisfactory high correlation coefficients and satisfactory low mean square error values when compared to the results in the previous studies, indicating the efficiency of the proposed model.
Journal of The Korean Society of Agricultural Engineers
/
v.60
no.1
/
pp.101-110
/
2018
This study experimentally investigated the compressive and flexyral strength development characteristics of polymer concrete using four different type polymeric resins such as unsaturated polyester, vinyl ester, epoxy, and PMMA (polymethyl methacrylate) as binders. The test results show that the average compressive strength of those four different polymer concretes was 88.70 MPa, the average flexural strength was 20.30 MPa. Those test results show that compressive and flexural strengths of polymer concrete were much stronger than compressive and flexural strengths of ordinary Portland cement concrete. In addition, the relative gains of the compressive strength development at the age of 24 hrs compared to the age of 168 hrs were 68.6~88.3 %. Also, the relative gains of the flexural strength development at the age of 24 hrs compared to the age of 168 hrs were 73.8~93.4 %. These test results show that compressive and flexural strengths of each polymer concrete tested in this study were developed at the early age. Moreover, the prediction equations of compressive and flexural strength developments regarding the age were determined. The determined prediction equations could be applied to forecast the compressive and flexural strength developments of polymer concrete investigated in this study because those prediction equations have the high coefficients of correlation. Last, the relations between the compressive strength and the flexural strength of polymer concrete were determined and the flexural/compressive strength ratios were from 1/4 to 1/5. These results show that polymer concretes investigated in this study were appropriate as a flexural member of a concrete structure because the flexural/compressive strength ratios of polymer concrete were much higher than the flexural/compressive strength ratios of Portland cement concrete.
The purpose of this study is to establish a prediction model for the electrical resistivity ($E_r$) of self-consolidating concrete by using waste LCD (liquid crystal display) glass as part of the fine aggregate and then, to analyze the results obtained from a series of laboratory tests. A hyperbolic function is used to perform nonlinear multivariate regression analysis of the electrical resistivity prediction model, with parameters such as water-binder ratio (w/b), curing age (t) and waste glass content (G). Furthermore, the relationship of compressive strength and electrical resistivity of waste LCD glass concrete is also found by a logarithm function, while compressive strength is evaluated by the electrical resistivity of non-destructive testing (NDT). According to relative regression analysis, the electrical resistivity and compressive strength prediction models are developed, and the results show that a good agreement is obtained using the proposed prediction models. From the comparison between the predicted analysis values and test results, the MAPE value of electrical resistivity is 17.0-18.2% and less than 20%, the MAPE value of compressive strength evaluated by $E_r$ is 5.9-10.6% and nearly less than 10%. Therefore, the prediction models established in this study have good predictive ability for electrical resistivity and compressive strength of waste LCD glass concrete. However, further study is needed in regard to applying the proposed prediction models to other ranges of mixture parameters.
In construction industry, strength is a primary criterion in selecting a concrete for a particular application. The concrete used for construction gains strength over a long period of time after pouring the concrete. The characteristic strength of concrete is defined as the compressive strength of a sample that has been aged for 28 days. Neither waiting for 28 days for such a test would serve the rapidity of construction, nor would neglecting it serve the quality control process on concrete in large construction sites. Therefore, rapid and reliable prediction of the strength of concrete would be of great significance. On this backdrop, the method is proposed to establish a predictive relationship between properties and proportions of ingredients of concrete, compaction factor, weight of concrete cubes and strength of concrete whereby the strength of concrete can be predicted at early age. Multiple regression analysis was carried out for predicting the compressive strength of concrete containing Portland Pozolana cement using statistical analysis for the concrete data obtained from the experimental work done in this study. The multiple linear regression models yielded fairly good correlation coefficient for the prediction of compressive strength for 7, 28 and 40 days curing. The results indicate that the proposed regression models are effectively capable of evaluating the compressive strength of the concrete containing Portaland Pozolana Cement. The derived formulas are very simple, straightforward and provide an effective analysis tool accessible to practicing engineers.
The purpose of this paper is to develop a prediction model for the compressive strength of waste LCD glass applied in concrete by analyzing a series of laboratory test results, which were obtained in our previous study. The hyperbolic function was used to perform the nonlinear-multivariate regression analysis of the compressive strength prediction model with the following parameters: water-binder ratio w/b, curing age t, and waste glass content G. According to the relative regression analysis, the compressive strength prediction model is developed. The calculated results are in accord with the laboratory measured data, which are the concrete compressive strengths of different mix proportions. In addition, a coefficient of determination $R^2$ value between 0.93 and 0.96 and a mean absolute percentage error MAPE between 5.4% and 8.4% were obtained by regression analysis using the predicted compressive analysis value, and the test results are also excellent. Therefore, the predicted results for compressive strength are highly accurate for waste LCD glass applied in concrete. Additionally, this predicted model exhibits a good predictive capacity when employed to calculate the compressive strength of washed glass sand concrete.
Multiple mathematical modeling for prediction of slump, compressive strength and depth of water penetration at 28 days were performed using statistical analysis for the concrete containing waste limestone powder as partial replacement of sand obtained from experimental program reported in this research. To extract experimental data, 180 concrete cubic samples with 20 different mix designs were investigated. The twenty non-linear regression models were used to predict each of the concrete properties including slump, compressive strength and water depth penetration of concrete with waste limestone powder. Evaluation of the models using numerical methods showed that the majority of models give acceptable prediction with a high accuracy and trivial error rates. The 15-term regression models for predicting the slump, compressive strength and water depth were found to have the best agreement with the tested concrete specimens.
Evolutionary algorithms based on conventional statistical methods such as regression and classification have been widely used in data mining applications. This work involves application of gene expression programming (GEP) for predicting compressive strength of fly ash geopolymer concrete, which is gaining increasing interest as an environmentally friendly alternative of Portland cement concrete. Based on 56 test results from the existing literature, a model was obtained relating the compressive strength of fly ash geopolymer concrete with the significantly influencing mix design parameters. The predictions of the model in training and validation were evaluated. The coefficient of determination ($R^2$), mean (${\mu}$) and standard deviation (${\sigma}$) were 0.89, 1.0 and 0.12 respectively, for the training set, and 0.89, 0.99 and 0.13 respectively, for the validation set. The error of prediction by the model was also evaluated and found to be very low. This indicates that the predictions of GEP model are in close agreement with the experimental results suggesting this as a promising method for compressive strength prediction of fly ash geopolymer concrete.
This paper investigates prediction models estimating the hydration properties of concrete, such as the compressive strength, the splitting tensile strength, the elastic modulus,and the autogenous shrinkage. A prediction model is suggested on the basis of an equation that is formulated to predict the compressive strength. Based on the assumption that the apparent activation energy is a characteristic property of concrete, a prediction model for the compressive strength is applied to hydration-related properties. The hydration properties predicted by the model are compared with experimental results, and it is concluded that the prediction model properly estimates the splitting tensile strength, elastic modulus, and autogenous shrinkage as well as the compressive strength of concrete.
Accurate prediction of concrete compressive strength can minimize the need for extensive, time-consuming, and costly mixture optimization testing and analysis. This study attempts to enhance the prediction accuracy of compressive strength using stacking ensemble machine learning (ML) with feature engineering techniques. Seven alternative ML models of increasing complexity were implemented and compared, including linear regression, SVM, decision tree, multiple layer perceptron, random forest, Xgboost and Adaboost. To further improve the prediction accuracy, a ML pipeline was proposed in which the feature engineering technique was implemented, and a two-layer stacked model was developed. The k-fold cross-validation approach was employed to optimize model parameters and train the stacked model. The stacked model showed superior performance in predicting concrete compressive strength with a correlation of determination (R2) of 0.985. Feature (i.e., variable) importance was determined to demonstrate how useful the synthetic features are in prediction and provide better interpretability of the data and the model. The methodology in this study promotes a more thorough assessment of alternative ML algorithms and rather than focusing on any single ML model type for concrete compressive strength prediction.
Proceedings of the Korean Institute of Building Construction Conference
/
2021.11a
/
pp.101-102
/
2021
The compressive strength of concrete is greatly affected by the temperature inside the concrete at the initial age immediately after pouring. The apparent activation energy of cement and the setting time of concrete are major factors influencing the development of compressive strength of concrete. This study measured the apparent activation energy and setting time according to the change in W/B for each mixing rate of Ground Granulated Blast-Furnace Slag (GGBFS). And after calculating the compressive strength prediction model, the accuracy of the prediction model was evaluated by comparing the predicted compressive strength and the compressive strength.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.