This research deals with the prediction of compressive strength of normal and high strength concrete using neural networks. The compressive strength was modeled as a function of eight variables: quantities of cement, fine aggregate, coarse aggregate, micro-silica, water and super-plasticizer, maximum size of coarse aggregate, fineness modulus of fine aggregate. Two networks, one using raw variables and another using grouped dimensionless variables were constructed, trained and tested using available experimental data, covering a large range of concrete compressive strengths. The neural network models were compared with regression models. The neural networks based model gave high prediction accuracy and the results demonstrated that the use of neural networks in assessing compressive strength of concrete is both practical and beneficial. The performance of model using the grouped dimensionless variables is better than the prediction using raw variables.
Park, Jung-Jun;Koh, Kyung-Taek;Ryu, Gum-Sung;Kang, Su-Tae;Kim, Sung-Wook;Han, Sang-Mook
Proceedings of the Korea Concrete Institute Conference
/
2006.05b
/
pp.549-552
/
2006
Generally the ultra-high strength steel reinforced concrete has rich mix composition composed of high-strength type mineral admixtures and as a result of very low water-binder ratio(about under w/b=25%), it reveals ultra-high compressive strength(about over 100Mpa). Also, in order to obtain sufficient toughness after construction, we usually mix a large quantity steel fiber with ultra-high strength steel reinforced concrete therefore we must use proper mixer for workability. When we make the ultra-high strength steel reinforced concrete we need more long mixing time or much super-plasticizer than when we manufacture normal concrete. These bring about economical problems and performance deterioration. Therefore, in this study, in order to manufacture easily ultra-high strength steel reinforced concrete we develope a dedicated mixer for ultra-high strength steel reinforced concrete with high speed type. It carried out the examination for comparison between the dedicated and general type mixer, the analysis and counterplan of the point at issue when we manufacture ultra-high strength steel reinforced concrete by the dedicated mixer.
This article reports the utilization of fly ash (FA) waste product from industry and silpozz which is an agro-waste from agriculture as an environmental friendly material in construction industry. The evaluation of strength and durability study was observed using FA and silpozz as a partial replacement of Ordinary Portland Cement (OPC). The studied parameters are compressive strength, flexural strength, split tensile strength and bond strength as well as the durability study involves the acid soluble chloride (ASC), water soluble chloride (WSC), water absorption and sorptivity. Scanning electron microscopy (SEM) and XRD of selected samples are also done. It reveals from the test results that the deterioration factor (DF) in compressive strength is 4% at 365 days. The DF of split tensile strength and flexural strength is 0.96% and 0.6% at 90 days respectively. The minimum slip is 1mm and 1.1mm after 28 days of testing bond strength for NWC and SWC sample respectively. The percentage decrease in bond strength is 10.35% for 28 days SWC samples. The pre-cast blended concrete samples performed better to chloride diffusion. Modulus of elasticity of SWC samples are also studied.The water absorption and sorptivity tests are conducted after 28 days of curing.
In the present study an Artificial Neural Network (ANN) was used to predict the compressive strength of self-compacting concrete. The data developed experimentally for self-compacting concrete and the data sets of a total of 99 concrete samples were used in this work. ANN's are considered as nonlinear statistical data modeling tools where complex relationships between inputs and outputs are modeled or patterns are found. In the present ANN model, eight input parameters are used to predict the compressive strength of self-compacting of concrete. These include varying amounts of cement, coarse aggregate, fine aggregate, fly ash, fiber, water, super plasticizer (SP), viscosity modifying admixture (VMA) while the single output parameter is the compressive strength of concrete. The importance of different input parameters for predicting the strengths at various ages using neural network was discussed in the study. There is a perfect correlation between the experimental and prediction of the compressive strength of SCC based on ANN with very low root mean square errors. Also, the efficiency of ANN model is better compared to the multivariable regression analysis (MRA). Hence it can be concluded that the ANN model has more potential compared to MRA model in developing an optimum mix proportion for predicting the compressive strength of concrete without much loss of material and time.
The emerging technology of self compacting concrete, fiber reinforcement together reduces vibration and substitute conventional reinforcement which help in improving the economic efficiency of the construction. The objective of this work is to find the regression model to determine the response surface of mix proportioning Steel Fiber Reinforced Self Compacting Concrete (SFSCC) using statistical investigation. A total of 30 mixtures were designed and analyzed based on Design of Experiment (DOE). The fresh properties of SCC and mechanical properties of concrete were studied using Response Surface Methodology (RSM). The results were analyzed by limited proportion of fly ash, fiber, volume combination ratio of two steel fibers with aspect ratio of 50/35: 60/30 and super plasticizer (SP) dosage. The center composite designs (CCD) have selected to produce the response in quadratic equation. The model responses included in the primary stage were flowing ability, filling ability, passing ability and segregation index whereas in harden stage of concrete, compressive strength, split tensile strength and flexural strength at 28 days were tested. In this paper, the regression model and the response surface plots have been discussed, and optimal results were found for all the responses.
This work investigates the mechanical properties of conventional concrete (CC) and self compacting concrete (SCC) using fine rubber and silpozz were accompanied by a comparative study between conventional rubberized concrete (CRC) and self compacting rubberized concrete (SCRC). Fine rubber (FR) from scrap tires has replaced the fine aggregate (FA) and Silpozz has been used as a replacement of cement at the proportions of 5, 10 and 15%. Silpozz as a partial replacement of cement in addition of superplasticiser (SP) increases the strength of concrete. Fresh concrete properties such as slump test, compaction factor test for CRC, whereas for SCRC slump flow, $T_{500}$, V-funnel, L-box, U-box, J-ring tests were conducted along with the hardened properties tests like compressive, split tensile and flexural strength test at 7, 28 and 90 days of curing. The durability and microstructural behavior for both CRC and SCRC were investigated. FR used in the present study is 4.75 mm passing with fineness modulus 4.74.M30 grade concrete is used with a mix proportion of 1:1.44:2.91 and w/c ratio as 0.43. The results indicate that as FR quantity increases, workability of both CRC and SCRC decreases. The results also show that the replacement of natural fine aggregate (NFA) with FR particles decreases the compressive strength with the increase of flexural strength observed upto 5% replacement of FR. Also replacement of cement with silpozz resulted enhancement of strength in SCRC.
Asteris, Panagiotis G.;Ashrafian, Ali;Rezaie-Balf, Mohammad
Computers and Concrete
/
v.24
no.2
/
pp.137-150
/
2019
In this paper, surrogate models such as multivariate adaptive regression splines (MARS) and M5P model tree (M5P MT) methods have been investigated in order to propose a new formulation for the 28-days compressive strength of self-compacting concrete (SCC) incorporating metakaolin as a supplementary cementitious materials. A database comprising experimental data has been assembled from several published papers in the literature and the data have been used for training and testing. In particular, the data are arranged in a format of seven input parameters covering contents of cement, coarse aggregate to fine aggregate ratio, water, metakaolin, super plasticizer, largest maximum size and binder as well as one output parameter, which is the 28-days compressive strength. The efficiency of the proposed techniques has been demonstrated by means of certain statistical criteria. The findings have been compared to experimental results and their comparisons shows that the MARS and M5P MT approaches predict the compressive strength of SCC incorporating metakaolin with great precision. The performed sensitivity analysis to assign effective parameters on 28-days compressive strength indicates that cementitious binder content is the most effective variable in the mixture.
Proceedings of the Korea Concrete Institute Conference
/
2008.11a
/
pp.919-922
/
2008
This paper reports the physical and shrinkage properties of concrete using expansive additive(E) and three shrinkage reducing admixtures(SRA1, 2, 3) in order to reduce shrinkage of concrete. For the properties of fresh concrete, the use of SRA1, 2, 3 results in a increase in fluidity and decrease in the dosage of super plasticizer as much as 0.05$\sim$0.1%. And For the properties of hardened concrete, the use of SRA1, 2, 3 results in a decrease in compressive, tensile and flexural strength slightly. For drying shrinkage properties, the use of SRA3 is the most effective for reduction of shrinkage, and the next best way to reduce shrinkage is combination with expansive additive(E) and shrinkage reducing admixture(SRA) or the using of expansive additive(E).
Park, Jae-Sung;Park, Sang-Min;Kim, Hyeok-Jung;Kwon, Seung-Jun
Journal of the Korea institute for structural maintenance and inspection
/
v.20
no.5
/
pp.1-8
/
2016
This paper presents an evaluation of engineering properties in TDFA(Tire Derived Fuel Ash)- based concrete in early age. Concrete containing 0.5 of w/b(water to binder) ratio and 20% of FA(Fly Ash) replacement ratio are prepared, and FA content are replaced with TDFA from 3% to 12% for evaluating the effect of TDFA on fresh and hardened concrete properties. With higher than 6% of TDFA replacement ratio, workability is significantly worsened but it is improved with more SP(Super plasticizer) and AE(Air Entrainer) agent. Concrete with 6~12% of TDFA shows reasonable strength development and better resistance to carbonation and chloride attack in spite of early-aged condition. However concrete with 6% TDFA shows poor resistance to freezing and thawing action due to insufficient air content. If air content and workability are obtained, replacement of TDFA to 12% can be used for concrete with FA.
In this study, potential of three machine learning techniques i.e., M5P, Support vector machines and Gaussian processes were evaluated to find the best algorithm for the prediction of flexural strength of concrete mix with steel fibre. The study comprises the comparison of results obtained from above-said techniques for given dataset. The dataset consists of 124 observations from past research studies and this dataset is randomly divided into two subsets namely training and testing datasets with (70-30)% proportion by weight. Cement, fine aggregates, coarse aggregates, water, super plasticizer/ high-range water reducer, steel fibre, fibre length and curing days were taken as input parameters whereas flexural strength of the concrete mix was taken as the output parameter. Performance of the techniques was checked by statistic evaluation parameters. Results show that the Gaussian process technique works better than other techniques with its minimum error bandwidth. Statistical analysis shows that the Gaussian process predicts better results with higher coefficient of correlation value (0.9138) and minimum mean absolute error (1.2954) and Root mean square error value (1.9672). Sensitivity analysis proves that steel fibre is the significant parameter among other parameters to predict the flexural strength of concrete mix. According to the shape of the fibre, the mixed type performs better for this data than the hooked shape of the steel fibre, which has a higher CC of 0.9649, which shows that the shape of fibers do effect the flexural strength of the concrete. However, the intricacy of the mixed fibres needs further investigations. For future mixes, the most favorable range for the increase in flexural strength of concrete mix found to be (1-3)%.
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.