This paper describes the development of modified heat of hydration and maturity-strength models for concrete containing fly ash and slag. The modified models are developed based on laboratory and literature test results, which include different types of cement, fly ash, and slag. The new models consider cement type, water-to-cementitious material ratio (w/cm), mineral admixture, air content, and curing conditions. The results show that the modified models well predict heat evolution and compressive strength development of concrete made with different cementitious materials. Using the newly developed models, the sensitivity analysis was also performed to study the effect of each parameter on the hydration and strength development. The results illustrate that comparing with other parameters studied, w/cm, air content, fly ash, and slag replacement level have more significantly influence on concrete strength at both early and later age.
The present study established prediction models based on multiple nonlinear regressions (MNLRs) and backpropagation neural networks (BPNs) for the expansion of cement mortar caused by oxidization slag that was used as a replacement of the aggregate. The data used for the models were obtained from actual laboratory tests on specimens that were produced with water/cement ratios of 0.485 or 1.5, within which 0%, 10%, 20%, 30%, 40%, or 50% of the cement had been replaced by oxidization slag from electric-arc furnaces; the samples underwent high-temperature curing at either $80^{\circ}C$ or $100^{\circ}C$ for 1-4 days. The varied mixing ratios, curing conditions, and water/cement ratios were all used as input parameters for the expansion prediction models, which were subsequently evaluated based on their performance levels. Models of both the MNLR and BPN groups exhibited $R^2$ values greater than 0.8, indicating the effectiveness of both models. However, the BPN models were found to be the most accurate models.
In this study, an Artificial Neural Network (ANN) and Adaptive Network-based Fuzzy Inference Systems (ANFIS) prediction models for flexural strength of the cement mortars have been developed. For purpose of constructing this models, 12 different mixes with 144 specimens of the 2, 7, 28 and 90 days flexural strength experimental results of cement mortars containing pure Portland cement (PC), blast furnace slag (BFS), waste tire rubber powder (WTRP) and BFS+WTRP used in training and testing for ANN and ANFIS were gathered from the standard cement tests. The data used in the ANN and ANFIS models are arranged in a format of four input parameters that cover the Portland cement, BFS, WTRP and age of samples and an output parameter which is flexural strength of cement mortars. The ANN and ANFIS models have produced notable excellent outputs with higher coefficients of determination of $R^2$, RMS and MAPE. For the testing of dataset, the $R^2$, RMS and MAPE values for the ANN model were 0.9892, 0.1715 and 0.0212, respectively. Furthermore, the $R^2$, RMS and MAPE values for the ANFIS model were 0.9831, 0.1947 and 0.0270, respectively. As a result, in the models, the training and testing results indicated that experimental data can be estimated to a superior close extent by the ANN and ANFIS models.
콘크리트의 수축현상은 체적 변화를 발생시키며 균열의 원인이 되어 구조물 내구성 및 안정성에 영향을 미친다. 콘크리트의 수축에 영향을 미치는 요인은 매우 다양하며, 특히 골재는 시멘트 페이스트의 변형을 구속하여 수축 발생을 억제하기 때문에 골재의 특성은 수축 현상에서 중요하게 고려하여야 하는 부분이다. 한편, 골재 부족 현상으로 인해 천연 골재 대체재 개발 및 적용에 대한 연구가 다방면으로 진행되고 있으며 콘크리트용 골재로 사용 되는 재료도 점차 다양해지고 있다. 따라서 본 연구에서는 전기로 산화 슬래그를 굵은 골재로 사용한 콘크리트의 수축 특성을 평가하기 위해 수축 실험을 진행하였으며, 실험 결과와 수축 예측 모델을 비교하여 기존 예측 모델 의 적용성을 검토하였다. 실험 결과, 전기로 산화 슬래그를 굵은 골재로 사용함에 따라 수축량이 감소하는 결과가 나타났으며, 특히 자기수축 저감 효과가 크게 나타났다. 예측 모델과의 비교 시 건조수축과 자기수축 각각 GL2000 모델과 Tazawa 모델이 가장 유사한 예측값을 나타냈으나, 보다 정확한 예측을 위해서는 골재 및 혼화재의 물성을 고려할 수 있도록 보완이 필요한 것으로 판단된다.
International Journal of Concrete Structures and Materials
/
제5권2호
/
pp.125-131
/
2011
Five all-lightweight alkali-activated (AA) slag concrete mixes were tested according to the variation of water content to examine the significance and limitation on the development of cementless structural concrete using lightweight aggregates. The compressive strength development rate and shrinkage strain measured from the concrete specimens were compared with empirical models proposed by ACI 209 and EC 2 for portland cement normal weight concrete. Splitting tensile strength, and moduli of elasticity and rupture were recorded and compared with design equations specified in ACI 318-08 or EC 2, and a database compiled from the present study for ordinary portland cement (OPC) lightweight concrete, wherever possible. Test results showed that the slump loss of lightweight AA slag concrete decreased with the increase of water content. In addition, the compressive strength development and different mechanical properties of lightweight AA slag concrete were comparable with those of OPC lightweight concrete and conservative comparing with predictions obtained from code provisions. Therefore, it can be proposed that the lightweight AA slag concrete is practically applicable as an environmental-friendly structural concrete.
Concrete in water environment is easily subjected to the attack of leaching, which causes its mechanical reduction and durability deterioration, and the key to improving the leaching resistance of concrete is to increase the compaction of its microstructure formed by the curing. This paper performs a numerical investigation on the intrinsic relationship between microstructures formed by the hydration of cement and slag and leaching resistance of concrete in water environment. Firstly, a shrinking-core hydration model of blended cement and slag is presented, in which the interaction of hydration process of cement and slag is considered and the microstructure composition is characterized by the hydration products, solution composition and pore structure. Secondly, based on Fick's law and mass conservation law, a leaching model of hardened paste is proposed, in which the multi-species ionic diffusion equation and modified Gérard model are established, and the model is numerically solved by applying the finite difference method. Finally, two models are combined by microstructure composition to form an integrated curing-leaching model, and it is used to investigate the relationship between microstructure composition and leaching resistance of slag-blended cement pastes.
Ozturk, Murat;Cansiz, Omer F.;Sevim, Umur K.;Bankir, Muzeyyen Balcikanli
Computers and Concrete
/
제21권5호
/
pp.559-567
/
2018
In this study alkali activation of Electric Arc Furnace Slag (EAFS) is studied with a comprehensive test program. Three different silicate moduli (1-1,5-2), three different sodium concentrations (4%-6%-8%) for each silicate module, two different curing conditions (45%-98% relative humidity) for each sodium concentration, two different curing temperatures ($400^{\circ}C-800^{\circ}C$) for each relative humidity condition and two different curing time (6h-12h) for each curing temperature variables are selected and their effects on compressive strength was evaluated then regression equations using multiple linear regressions methods are fitted. And then to select the best regression models confirm with using the variables, the regression models compared between itself. An Artificial Neural Network (ANN) models that use silicate moduli, sodium concentration, relative humidity, curing temperature and curing time variables, are formed. After the investigation of these ANN models' results, ANN and multiple linear regressions based models are compared with each other. After that, an explicit formula is developed with values of the ANN model. As a result of this study, the fluctuations of data set of the compressive strength were very well reflected using both of the methods, multiple linear regression with quadratic terms and ANN.
The aim of this study is to build Machine Learning models to evaluate the effect of blast furnace slag (BFS) and waste tire rubber powder (WTRP) on the compressive strength of cement mortars. In order to develop these models, 12 different mixes with 288 specimens of the 2, 7, 28, and 90 days compressive strength experimental results of cement mortars containing BFS, WTRP and BFS+WTRP were used in training and testing by Random Forest, Ada Boost, SVM and Bayes classifier machine learning models, which implement standard cement tests. The machine learning models were trained with 288 data that acquired from experimental results. The models had four input parameters that cover the amount of Portland cement, BFS, WTRP and sample ages. Furthermore, it had one output parameter which is compressive strength of cement mortars. Experimental observations from compressive strength tests were compared with predictions of machine learning methods. In order to do predictive experimentation, we exploit R programming language and corresponding packages. During experimentation on the dataset, Random Forest, Ada Boost and SVM models have produced notable good outputs with higher coefficients of determination of R2, RMS and MAPE. Among the machine learning algorithms, Ada Boost presented the best R2, RMS and MAPE values, which are 0.9831, 5.2425 and 0.1105, respectively. As a result, in the model, the testing results indicated that experimental data can be estimated to a notable close extent by the model.
Engineered Cementitious Composite (ECC) is a special class of the new generation of high performance fiber reinforced cementitious composites (HPFRCC) featuring high ductility with relatively low fiber content. In this research, the mechanical performance of ECC beams will be investigated with respect to the effect of slag and aggregate size and amount, by employing nonlinear finite element method. The validity of the models was verified with the experimental results of the ECC beams under monotonic loading. Based on the numerical analysis method, nonlinear parametric study was then conducted to evaluate the influence of the ECC aggregate content (AC), ECC compressive strength ($f_{ECC}$), maximum aggregate size ($D_{max}$) and slag amount (${\phi}$) parameters on the flexural stress, deflection, load and strain of ECC beams. The simulation results indicated that when increase the slag and aggregate size and content no definite trend in flexural strength is observed and the ductility of ECC is negatively influenced by the increase of slag and aggregate size and content. Also, the ECC beams revealed enhancement in terms of flexural stress, strain, and midspan deflection when compared with the reference beam (microsilica MSC), where, the average improvement percentage of the specimens were 61.55%, 725%, and 879%, respectively. These results are quite similar to that of the experimental results, which provides that the finite element model is in accordance with the desirable flexural behaviour of the ECC beams. Furthermore, the proposed models can be used to predict the flexural behaviour of ECC beams with great accuracy.
The previous models for thermal behavior in the melting furnace were deterministic, composed of such a form that if the initial input conditions are determined, the results would have been come out by using the basic heat equilibrium equations. But making the experiment by trusting the analysis results, the melted slag is fortuitously set often, because temperature variation of the melted slag in the reaction process is not point function but path function. So in this study, a transient model was developed and verified by comparing with the experimental results.
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.