In this study, circular thin-walled reinforced high strength concrete-filled steel tube (RHSCFST) stub columns with various tube thicknesses (i.e., 1.8, 2.5 and 3.0mm) and reinforcement ratios (i.e., 0, 1.6%, 2.4% and 3.2%) were fabricated to explore the influence of these factors on the axial compressive behavior of RHSCFST. The obtained test results show that the failure mode of RHSCFST transforms from outward buckling and tearing failure to drum failure with the increasing tube thickness. With the tube thickness and reinforcement ratio increased, the ultimate load-carrying capacity, compressive stiffness and ductility of columns increased, while the lateral strain in the stirrup decreased. Comparisons were also made between test results and the existing codes such as AIJ (2008), BS5400 (2005), ACI (2019) and EC4 (2010). It has been found that the existing codes provide conservative predictions for the ultimate load-carrying capacity of RHSCFST. Therefore, an accurate model for the prediction of the ultimate load-carrying capacity of circular thin-walled RHSCFST considering the steel reinforcement is developed, based on the obtained experimental results. It has been found that the model proposed in this study provides more accurate predictions of the ultimate load-carrying capacity than that from existing design codes.
Gel strength of fish protein at various processing conditions such as heating temperature, heating time and salt content was determined by using compressive stress and residual delay time of ultrasonic wave. The compressive stress, interpreted as indicating the relative gel strength, was increased with increasing the heating temperature and heating time, and with decreasing the salt content, while the delay time of ultrasonic wave reduced, indicating that the gel strength and the delay time are inverse proportion. The result of the multiple regression analysis with factorial design showed that the model equation consisted with delay time and processing condition variables gave the good prediction of the gel compressive stress which was coincided with compressive stress measured.
Concrete is the most widely used building material, with various types including high- and ultra-high-strength, reinforced, normal, and lightweight concretes. However, accurately predicting concrete properties is challenging due to the geotechnical design code's requirement for specific characteristics. To overcome this issue, researchers have turned to new technologies like machine learning to develop proper methodologies for concrete specification. In this study, we propose a highly accurate deep learning-based predictive model to investigate the compressive strength (UCS) of lightweight concrete with natural aggregates (pumice). Our model was implemented on a database containing 249 experimental records and revealed that water, cement, water-cement ratio, fine-coarse aggregate, aggregate substitution rate, fine aggregate replacement, and superplasticizer are the most influential covariates on UCS. To validate our model, we trained and tested it on random subsets of the database, and its performance was evaluated using a confusion matrix and receiver operating characteristic (ROC) overall accuracy. The proposed model was compared with widely known machine learning methods such as MLP, SVM, and DT classifiers to assess its capability. In addition, the model was tested on 25 laboratory UCS tests to evaluate its predictability. Our findings showed that the proposed model achieved the highest accuracy (accuracy=0.97, precision=0.97) and the lowest error rate with a high learning rate (R2=0.914), as confirmed by ROC (AUC=0.971), which is higher than other classifiers. Therefore, the proposed method demonstrates a high level of performance and capability for UCS predictions.
Welded hollow spherical joints are commonly used joints in space grid structures. An internal stiffener is generally adopted to strengthen the joints when large hollow spheres are used. To further strengthen it, external stiffeners can be used at the same time. In this study, axial compression tests are conducted on four full-scale 550 mm spherical joints. The failure modes and strengths of the tested joints are investigated. It shows that the external stiffeners are able to increase the strength of the joint up to 25%. A numerical model for large spherical joints with stiffeners is established and verified against the experimental results. Parametric studies are executed considering six main design factors using the verified model. It is found that the strength of the spherical joint increases as the thickness, height and number of the external stiffeners increase, and the hollow sphere's diameter has a neglectable effect on the enhancement caused by the external stiffeners. Based on the experimental and numerical results, a practical formula for the compressive bearing capacity of large welded hollow spherical joints with both internal and external stiffeners is proposed. The proposed formula gives a conservative prediction on the compressive capacity of large welded hollow spherical joints with both internal and external stiffeners.
This paper presents the detailed experimental and analytical investigation on the evolution of static (Es) and dynamic modulus of elasticity (Ed) of concrete having 0%, 35%, and 50% FA used as partial cement replacement. Destructive and non-destructive tests were conducted on cylindrical specimens to evaluate the compressive strength and MoE of concrete in compression at the age of 28, 56, 90, and 150 days for all mixes. Experimental results show that the concrete having 35% FA achieved compressive strength and MoE similar to plain concrete at the age of 90 days, while 50% FA concrete attained satisfactory compressive strength and MoE at the age of 150 days. The comprehensive statistical analysis has been carried out in two ways on the basis of the experimental results. Firstly, the 28-day crushing strength of plain concrete in compression was used to design the models for the prediction of Es and Ed of fly ash concrete at any age and percentage replacement of FA. Secondly, using the values of UPV and RHN, models have been developed to predict the age or time-dependent Es and Ed of fly ash concrete. These models will be helpful in assessing the Es and Ed of fly ash concrete without knowing the 28-day crushing strength of plain concrete in compression in the laboratory. Hence, the suggested models in the present study will be beneficial in conducting the health assessment of fly ash based concrete structures.
In this study, the extreme learning machine and deep learning models were devised to estimate the bond strength of corroded reinforcement in concrete. The six inputs and one output were used in this study. The compressive strength, concrete cover, bond length, steel type, diameter of steel bar, and corrosion level were selected as the input variables. The results of bond strength were used as the output variable. Moreover, the Analysis of variance (Anova) was used to find the effect of input variables on the bond strength of corroded reinforcement in concrete. The prediction results were compared to the experimental results and each other. The extreme learning machine and the deep learning models estimated the bond strength by 99.81% and 99.99% accuracy, respectively. This study found that the deep learning model can be estimated the bond strength of corroded reinforcement with higher accuracy than the extreme learning machine model. The Anova results found that the corrosion level was found to be the input variable that most affects the bond strength of corroded reinforcement in concrete.
Journal of the Korea institute for structural maintenance and inspection
/
v.16
no.6
/
pp.124-133
/
2012
Compressive strength in concrete increases with time. Regression analysis with time is conventionally performed for strength evaluation and prediction. In this study, hydrate amount is assumed as a function of hydration rate and porosity, and modeling on compressive strength is carried out considering decreasing porosity with time, which does not need the regression analysis with time. For twenty one mix proportions of HPC (High Performance Concrete), DUCOM (FE program) which can simulate the behavior in early aged concrete is utilized, and porosity from each mix proportions is obtained with time. For HPC with OPC (Ordinary Portland Cement) concrete, modeling on compressive strength is performed considering hydration rate, unit content of cement, and porosity with time. For HPC with mineral admixtures, a long-term parameter which can handle long-term strength development is additionally considered. From the comparison with the previous test results, the applicability of the proposed model is verified.
Journal of the Korea Institute of Building Construction
/
v.18
no.6
/
pp.517-525
/
2018
The construction of super tall building which structure is RC and must be certainly considered on column shortening estimation and construction reflected concrete creep has been increased. Regarding the Fck 60~80MPa grade high strength concrete applied in the domestic super tall building project, the mechanical properties and creep deflection according to curing conditions(Drying creep/Basic creep) were reviewed in this research. Results of compressive strength and elastic modulus under sealed curing condition were 5% higher than unsealed condition and difference of results according to the curing condition was increased over time. Autogenous and drying shrinkage tendency showed adversely in the case of high strength concrete. Additionally, creep modulus under unseal curing condition was evaluated 2~3 times higher than sealed condition. Modified model of ACI-209 based on test result was applied to estimate long period shortening of vertical members(such as Core Wall/Mega Column) exactly, it is designed to modify and suggest the optimal creep model based on various data accumulated during construction, in the future.
Journal of Korean Association for Spatial Structures
/
v.23
no.4
/
pp.81-88
/
2023
Numerous factors contribute to the deterioration of reinforced concrete structures. Elevated temperatures significantly alter the composition of the concrete ingredients, consequently diminishing the concrete's strength properties. With the escalation of global CO2 levels, the carbonation of concrete structures has emerged as a critical challenge, substantially affecting concrete durability research. Assessing and predicting concrete degradation due to thermal effects and carbonation are crucial yet intricate tasks. To address this, multiple prediction models for concrete carbonation and compressive strength under thermal impact have been developed. This study employs seven machine learning algorithms-specifically, multiple linear regression, decision trees, random forest, support vector machines, k-nearest neighbors, artificial neural networks, and extreme gradient boosting algorithms-to formulate predictive models for concrete carbonation and thermal impact. Two distinct datasets, derived from reported experimental studies, were utilized for training these predictive models. Performance evaluation relied on metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analytical outcomes demonstrate that neural networks and extreme gradient boosting algorithms outshine the remaining five machine learning approaches, showcasing outstanding predictive performance for concrete carbonation and thermal effect modeling.
Time dependent model for prediction of compressive strength development of concrete cured by microwave heating form was presented in this study. The presented model is similar to the equation which is given in ACI 209R-92 but the constants which is dependent on cement type and curing method in the presented model are modified by the regression analysis of the experimental data. Laboratory scale concrete specimens were cast and cured by the microwave heating form and drilled cores extracted from the specimens were fractured in compression. The measured core strengths are converted to standard core and in-situ strengths. These in-situ strengths are used for the regression.
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.