Artificial neural network models can be successfully used to simulate the complex behavior of many problems in civil engineering. As compared to conventional computational methods, this popular modeling technique is powerful when the relationship between system parameters is intrinsically nonlinear, or cannot be explicitly identified, as in the case of concrete behavior. In this investigation, an artificial neural network model was developed to assess the residual compressive strength of self-compacted concrete at elevated temperatures ($20-900^{\circ}C$) and various relative humidity conditions (28-99%). A total of 332 experimental datasets, collected from available literature, were used for model calibration and verification. Data used in model development incorporated concrete ingredients, filler and fiber types, and environmental conditions. Based on the feed-forward back propagation algorithm, systematic analyses were performed to improve the accuracy of prediction and determine the most appropriate network topology. Training, testing, and validation results indicated that residual compressive strength of self-compacted concrete, exposed to high temperatures and relative humidity levels, could be estimated precisely with the suggested model. As illustrated by statistical indices, the reliability between experimental and predicted results was excellent. With new ingredients and different environmental conditions, the proposed model is an efficient approach to estimate the residual compressive strength of self-compacted concrete as a substitute for sophisticated laboratory procedures.
The training and prediction modeling using an artificial neural network was implemented to predict the turbidity of treated water as well as to estimate the optimized feed concentration of polyaluminium chloride (PACl) in a water treatment plant. The parameters used in the input layers were pH, temperature, turbidity and alkalinity, while those in output layers were PACl and turbidity of treated water. Levenberg-Marquadt method of feedforward back-propagation perceptron in the neural network toolbox of MATLAB program was used in this study. Correlation coefficients of the training data with the measured data were 0.9997 for PACl and 0.6850 for turbidity and those of the testing data with measured data were 0.9140 for PACl and 0.3828 for turbidity, when four parameters at input layer, 12-12 nodes each at both the first and the second hidden layers, and two parameters(PACl and turbidity) at output layer were used. Although the predictability of PACl was improved, compared to that of the previous studies to use the only coagulant dose as output layer, turbidity in treated water could not be predicted well. Acquisition of more data through several years obtained with the advanced on-line measuring system could make the artificial neural network useful and practical in actual water treatment plants.
The reliability of a Bridge management System depends on the quality of visual inspection and the reliable estimation of bridge condition rating. However, the current practices of visual inspection have been identified with several limitations, such as: they are time-consuming, provide incomplete information, and their reliance on inspectors' experience. To overcome such limitations, this paper presents an approach of automating the prediction of condition rating for bridges based on digital image analysis. The proposed methodology encompasses image acquisition, development of 3D visualization model, image processing, and condition rating model. Under this method, scaling defect in concrete bridge components is considered as a candidate defect and the guidelines in the Ontario Structure Inspection Manual (OSIM) have been adopted for developing and testing the proposed method. The automated algorithms for scaling depth prediction and mapping of condition ratings are based on training of back propagation neural networks. The result of developed models showed better prediction capability of condition rating over the existing methods such as, Naïve Bayes Classifiers and Bagged Decision Tree.
The use of optimum content of supplementary cementing materials (SCMs) such as limestone filler (LF) to blend with Portland cement has been resulted in many environmental and technical advantages, such as increase in physical properties, enhancement of sustainability in concrete industry and reducing $CO_2$ emission are well known. Artificial neural networks (ANNs) have been already applied in civil engineering to solve a wide variety of problems such as the prediction of concrete compressive strength. The feed forward back propagation (FFBP) algorithm and Tan-sigmoid transfer function were used for the ANNs training in this study. The training, testing and validation of data during the backpropagation training process yielded good correlations exceeding 97%. A parametric study was conducted to study the sensitivity of the developed model to certain essential parameters affecting the compressive strength of concrete. The effects and benefits of limestone filler on hardened properties of the concrete such as compressive strength were well established endorsing previous results in the literature. The results of this study revealed that the proposed ANNs model showed a high performance as a feasible and highly efficient tool for simulating the LF concrete compressive strength prediction.
In this study, we proposed the Bustier which improves the fit and functionality to compensate the physical defects by maximizing the volume up effect using the breast detailed measurements and shapes of the poor breast female subjects. Based on the preliminary study of the problem and preference according to the characteristics of the poor breast women consumers, we produced 1/2 volume mold cups based on the previous research. Respectively. A total of 5 subjects were selected, and new 3 bustier patterns based on the pattern making system of industry were created through direct measurement and shapes. As a result of verifying the usability of the developed bustier by testing the commercially available bustiers and the newly developed bustiers for 5 subjects. In order to compare the existing bustiers with the newly developed bustiers, the appearance evaluation by the expert, the evaluation of the adaptability and satisfaction by the subjects were utilized. Through this experiment, the newly developed bustiers were superior in the evaluation of the motion adaptability and wear comfort as well as appearance test. It was shown that the wear effect of the bustier with the longest back length was the best.
Journal of the Korea institute for structural maintenance and inspection
/
v.7
no.1
/
pp.267-277
/
2003
The purpose of this study makes a retrofit and rehabilitation practice trough the analysis and the improvement for the underlying problem of current retrofit and rehabilitation methods. Therefore, the deterioration process, the damage cause, the condition classification, the fatigue mechanism and the applied quantity of strengthening methods for slab bridge decks were analysed. Artificial neural networks are efficient computing techniqures that are widely used to solve complex problems in many fields. In this study, a back-propagation neural network model for estimating a management on existing slab bridge decks from damage cause, damage type, and integrity assessment at the initial stsge is need. The training and testing of the network were based on a database of 36. Four different network models werw used to study the ability of the neural network to predict the desirable output of increasing degree of accuracy. The neural networks is trained by modifying the weights of the neurons in response to the errors between the actual output values and the target output value. Training was done iteratively until the average sum squared errors over all the training patterms were minimized. This generally occurred after about 5,000 cycles of training.
Journal of the Korean Society of Manufacturing Process Engineers
/
v.17
no.1
/
pp.101-107
/
2018
In this study, the analysis of radiation noise and chattering noise of vehicle seat recliner was conducted through testing and analysis. First, operating noise was measured by seat back frame and recliner, and chattering noise was confirmed. Next, the transient dynamic analysis was performed, and the result was mapped to the acoustic analysis. Finally, the test and analysis were compared and analyzed. The results are as follow. First, it was found that the peaks appeared in common in the range of 620~650Hz, 1,240~1,290 Hz, and 1,840~1,940 Hz. It was judged that the dynamic characteristics of the recliner system overlapped with the rotation component of the motor to cause amplification of noise and vibration. Next, as a result of imaging the radiation noise analysis, it was judged that the noise radiated in the forward and backward direction has a greater influence than the direction of the rotation axis when the ear position of the person is taken as a reference.
LED TV integration test unit are the equipment for testing LED BLU as LED BLU's operation, error check, AGING work. The previous test unit were inconvenient because it must change test unit in production line according to LCD's kind and size. This paper develops by integration style test unit that can accommodate various LED TV BLU model of 32 ~ 52 inch that is not one LED TV BLU model. We make that output current is various to dimension of 80 ~ 215 mA. We make functions that are LED BLU state check, Diming and heat occurrence mitigation. Also we develop firmware program and that the program can be upgraded and that can support new panel.
Proceedings of the Computational Structural Engineering Institute Conference
/
2002.10a
/
pp.227-236
/
2002
The purpose of this study makes a retrofit and rehabilitation practice trough the analysis and the improvement for the underlying problem of current retrofit and rehabilitation methods. Therefore, the deterioration process, the damage cause, the condition classification, the fatigue mechanism and the applied quantity of strengthening methods for RC deck slabs were analyzed. Artificial neural networks are efficient computing techniques that are widely used to solve complex problems in many fields. In this study, a back-propagation neural network model for estimating a management on existing reinforced concrete bridge decks from damage cause, damage type, and integrity assessment at the initial stage is need. The training and testing of the network were based on a database of 36. Four different network models were used to study the ability of the neural network to predict the desirable output of increasing degree of accuracy. The neural networks is trained by modifying the weights of the neurons in response to the errors between the actual output values and the target output value. Training was done iteratively until the average sum squared errors over all the training patterns were minimized. This generally occurred after about 5,000 cycles of training.
Proceedings of the Korean Society of Propulsion Engineers Conference
/
2010.05a
/
pp.321-325
/
2010
Supersonic ejectors are simple mechanical components, which generally perform mixing and/or recompression of two fluid streams. Ejectors have found many applications in engineering. In aerospace engineering, they are used for altitude testing of a propulsion system by reducing the pressure of a test chamber. It is composed of three major sections: a vacuum test chamber, a propulsive nozzle, and a supersonic exhaust diffuser. This paper aims at the improvement of ejector-diffuser performance by focusing attention on reducing exhaust back flow into the test chamber, since alteration of the backflow or recirculation pattern appears as one of the potential means of significantly improving low supersonic ejector-diffuser performance. The simplest backflow-reduction device was an orifice plate at the duct inlet, which would pass the jet and entrained fluid but impede the movement of fluid upstream along the wall. Results clearly showed that the performance of ejector-diffuser system was improved for certain a range of system pressure ratios, whereas the orifice plate was detrimental to the ejector performance for higher pressure ratios. It is also found that there is no change in the performance of diffuser with orifice at its inlet, in terms of its pressure recovery. Hence an appropriately sized orifice system should produce considerable improvement in the ejector-diffuser performance in the intended range of pressure ratios.
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.