Abstract
An artificial neural network was applied to predict compressive strength, slump value and mix proportion of a concrete. Standard mixed tables were trained and estimated, and the results were compared with those of the experiments. To consider variabilities of material properties, the standard mixed fables from two companies of Ready Mixed Concrete were used. And they were trained with the neural network. In this paper, standard back propagation network was used. The mix proportion factors such as water cement ratio, sand aggregate ratio, unit water, unit cement, unit weight of sand, unit weight of crushed sand, unit coarse aggregate and air entraining admixture were used. For the arrangement on the approval of prediction of mix proportion factor, the standard compressive strength of $180kgf/cm^2{\sim}300kgf/cm^2$, and target slump value of 8 cm, 15 cm were used. For the arrangement on the approval of prediction of compressive strength and slump value, the standard compressive strength of $210kgf/cm^2{\sim}240kgf/cm^2$, and target slump value of 12 cm and 15 cm wore used because these ranges are most frequently used. In results, in the prediction of mix proportion factor, for all of the water cement ratio, sand aggregate ratio, unit water, unit cement, unit weight of sand, unit weight of crushed sand, unit coarse aggregate, air entraining admixture, the predicted values and the values of standard mixed tables were almost the same within the target error of 0.10 and 0.05, regardless of two companies. And in the prediction of compressive strength and slump value, the predicted values were converged well to the values of standard mixed fables within the target error of 0.10, 0.05, 0.001. Finally artificial neural network is successfully applied to the prediction of concrete mixture and compressive strength.
현대사회에서 건설전반에 보편화되어 있는 레미콘은 다양한 사용재료의 물리 화학적 성분이 생산지 및 조성광물에 따라 다르므로 구해지는 결과 값 또한 무수한 변수가 있기 마련이다. 또한 콘크리트의 배합설계는 배합요소의 다변화로 인해 정확한 검정은 그리 간단하지가 않다. 신경망의 학습에 소요되는 시간은 컴퓨터의 성능 및 학습횟수(epoch)에 따라 다르고, 학습시 학습횟수를 최고 백만번까지 반복하도록 하였으며 학습 종료조건으로 최소자승법에 의해 목표 오차량이 0.10~0.001 사이가 될 때까지로 하였다. 신경망의 적용에는 현재 경북지방에 위치한 레미콘 회사중 A, B사에서 사용하는 콘크리트 시방배합표를 가지고 신경망 이론에 따라 학습시킨 후에 물시멘트비, 잔골재율, 단위수량, 단위시멘트량, 강모래의 단위량(S1), 부순모래의 단위량(S2), 단위굵은골재량 혼화제량을 추정하였고, 다음으로 압축강도 및 슬럼프 값을 각각 추정하였다. 배합요소 추정의 검정에 사용된 규격으로는 호칭강도 180~300kgf/${cm}^2$, 목표슬럼프값 8cm, 15cm를 사용하였고, 압축강도 및 슬럼프 값 추정에 사용된 규격으로는 회사별 최근 생산량이 가장 많은 호칭강도 210~240kgf/${cm}^2$, 목표 슬럼프 값 12, 15cm를 각각 사용하였다. 본 논문에서는 컴퓨터에 의한 학습 및 시뮬레이션을 통해 콘크리트의 배합요소, 압축강도 및 슬럼프 값을 추정하여 직접 실험 값과 비교함으로써 실험을 통하지 않고도 콘크리트의 배합요소 및 강도를 추정하는데 목적이 있다. 결과적으로 압축강도 및 슬럼프의 추정은 회사에 관계없이 오차량에 만족하여 수렴하는 것으로 나타나 인공신경망이론이 압축강도 및 슬럼프를 예측하는데 효율적인 것으로 판명되었다.
