Prediction of Shear Strength of FRP Concrete Beams without Stirrups by Artificial Neural Networks

인공신경망에 의한 스터럽 없는 FRP 콘크리트 보의 전단강도 예측

Fiber reinforced plastics (FRP) are light in weight, non-corrosive and exhibits high tensile strength. FRPs having superior material properties to corrosive steels have been widely replacing steel bars or tendons used in concrete structures as flexural reinforcements. Although current design guidelines for estimating shear strength of FRP concrete beam follow the format of conventional reinforced concrete design method, there are noticeable differences among the existing formulas in calculating the contributions of concrete to shear resistance. In this paper, the artificial neural network (ANN) technique is employed as an analytical alternative to existing methods for predicting shear capacity of FRP concrete beams. Influential factors on shear strength were identified through literature review and input in ANN and the ANN was trained for the target ultimate shear obtained from database. The results from ANN were compared with existing formulas for its accuracy. It was found that the developed ANN were more closely predicting the test data than those of the currently available predictive equations.

FRP는 중량이 가볍고, 녹이 슬지 않으며 높은 인장 강도를 가진다. 철근에 비해 월등한 재료적 특성을 가지고 있는 FRP는 콘크리트 구조물에 철근이나 긴장재 대용으로 휨 보강재로써 널리 대체되어지고 있다. 현재 FRP 콘크리트 보의 전단강도를 산정함에 있어 설계지침들이 기존의 설계방식을 따르고 있지만 이들 설계 방식에서 제시한 식들은 매우 상이한 형태를 나타낸다. 이 연구에서는 FRP 콘크리트 보의 전단 강도를 예측하는 방법의 대안으로 인공신경망(이하 ANN) 기법을 채택하였다. 전단 강도에 미치는 영향 요소는 문헌조사에 의하여 선정된 후 ANN에 입력되었고, ANN은 데이터베이스를 통해 얻은 극한 전단 강도를 목표 값으로 하여 학습되었다. ANN을 이용하여 얻은 결과 값과 현존하는 이론식의 값을 비교한 결과 이 연구에서 개발한 ANN은 현재 사용하고 있는 예측 이론식에 비하여 더욱 정확하게 예측하였다.