The characteristics and prediction model of the shear strength of unsaturated residual granite soils were studied in this paper. In order to investigate the influence of the net normal stress on the shear strength, unsaturated triaxial tests and SWCC tests were carried out by varying the net normal stress. Experimental data for unsaturated shear strength tests were compared with predicted shear strength envelopes obtained from existing prediction models. It was shown that the soil-water characteristic curve and the shear strength of the unsaturated soil varied with the change of the net normal stress. Therefore, to achieve a truly descriptive shear strength envelope for unsaturated soils, the effect of the normal stress on the contribution of matric suction to the shear strength has to be taken into consideration. In this paper, a modified prediction model f3r the unsaturated shear strength was proposed.
In the present study, group method of data handling networks (GMDH) are adopted and evaluated for shear strength prediction of both FRP-reinforced concrete members with and without stirrups. Input parameters considered for the GMDH are altogether 12 influential geometrical and mechanical parameters. Two available and very recently collected comprehensive datasets containing 112 and 175 data samples are used to develop new models for two cases with and without shear reinforcement, respectively. The proposed GMDH models are compared with several codes of practice. An artificial neural network (ANN) model and an ANFIS based model are also developed using the same databases to further assessment of GMDH. The accuracy of the developed models is evaluated by statistical error parameters. The results show that the GMDH outperforms other models and successfully can be used as a practical and effective tool for shear strength prediction of members without stirrups ($R^2=0.94$) and with stirrups ($R^2=0.95$). Furthermore, the relative importance and influence of input parameters in the prediction of shear capacity of reinforced concrete members are evaluated through parametric and sensitivity analyses.
The fatigue damage problems are frequently encountered in the design of civil engineering structures. A realistic and accurate fatigue life prediction is quite essential to ensure the safety of engineering design. However, constructing a reliable fatigue life prediction model can be quite challenging. The use of traditional deterministic approach in predicting the fatigue life is sometimes too dangerous in the real practical designs as the method itself contains a wide range of uncertain factors. In this paper, a new fatigue life prediction method is going to be proposed where the residual strength is been utilized. Several cumulative damage models, capable of predicting the fatigue life of a structural element, are considered. Based on Miner's rule, a randomized approach is developed from a deterministic equation. The residual strength is used in a one to one transformation methodology which is used for the derivation of the fatigue life. To arrive at more robust results, fuzzy sets are introduced to model the parameter uncertainties. This leads to a convoluted fuzzy based fatigue life prediction model. The developed model is illustrated in an example analysis. The calculated results are compared with real experimental data. The applicability of this approach for a required reliability level is also discussed.
The Taiwanese liquid crystal display (LCD) industry has traditionally produced a huge amount of waste glass that is placed in landfills. Waste glass recycling can reduce the material costs of concrete and promote sustainable environmental protection activities. Concrete is always utilized as structural material; thus, the concrete compressive strength with a variety of mixtures must be studied using predictive models to achieve more precise results. To create an efficient waste LCD glass concrete (WLGC) design proportion, the related studies utilized a multivariable regression analysis to develop a compressive strength waste LCD glass concrete equation. The mix design proportion for waste LCD glass and the compressive strength relationship is complex and nonlinear. This results in a prediction weakness for the multivariable regression model during the initial growing phase of the compressive strength of waste LCD glass concrete. Thus, the R ratio for the predictive multivariable regression model is 0.96. Neural networks (NN) have a superior ability to handle nonlinear relationships between multiple variables by incorporating supervised learning. This study developed a multivariable prediction model for the determination of waste LCD glass concrete compressive strength by analyzing a series of laboratory test results and utilizing a neural network algorithm that was obtained in a related prior study. The current study also trained the prediction model for the compressive strength of waste LCD glass by calculating the effects of several types of factor combinations, such as the different number of input variables and the relevant filter for input variables. These types of factor combinations have been adjusted to enhance the predictive ability based on the training mechanism of the NN and the characteristics of waste LCD glass concrete. The selection priority of the input variable strategy is that evaluating relevance is better than adding dimensions for the NN prediction of the compressive strength of WLGC. The prediction ability of the model is examined using test results from the same data pool. The R ratio was determined to be approximately 0.996. Using the appropriate input variables from neural networks, the model validation results indicated that the model prediction attains greater accuracy than the multivariable regression model during the initial growing phase of compressive strength. Therefore, the neural-based predictive model for compressive strength promotes the application of waste LCD glass concrete.
In this study, the residual strength prediction models were proposed by measuring various residual strength according to pit characteristics for metallic water pipes such as cast iron pipe (CIP), ductile iron pipe (DIP), and steel pipe (SP). The exponential prediction model was better fitted to measured residual tensile strength for CIP. In case of DIP and SP, the prediction model using loss of strength was more exactly predicted compared with other model types. The fracture toughness were averagely $40.46kgf/mm^2{\sqrt{mm}}$ for CIP, $85.27kgf/mm^2{\sqrt{mm}}$ for DIP, and $92.27kgf/mm^2{\sqrt{mm}}$ for SP, the determination coefficient ($R^2$) of between measured residual tensile strength and predicted values for residual strength prediction models using fracture toughness was estimated from 0.44 to 0.86. Especially, the proposed residual tensile strength prediction models were applied for the verification and reliability to CIPs and DIPs at 14 sites. The determination coefficient ($R^2$) between measured residual tensile strength and predicted values was estimated from 0.76 to 0.78. Therefore it was thought that the proposed residual tensile strength models could help to support resonable and economical decision of rehabilitation/replacement.
Fly ash and silica fume belong to industry by-products that can be used to produce concrete. This study shows the model of a neural network to evaluate the strength development of blended concrete containing fly ash and silica fume. The neural network model has four input parameters, such as fly ash replacement content, silica fume replacement content, water/binder ratio, and ages. Strength is the output variable of neural network. Based on the backpropagation algorithm, the values of elements in the hidden layer of neural network are determined. The number of neurons in the hidden layer is confirmed based on trial calculations. We find (1) neural network can give a reasonable evaluation of the strength development of composite concrete. Neural network can reflect the improvement of strength due to silica fume additions and can consider the reductions of strength as water/binder increases. (2) When the number of neurons in the hidden layer is five, the prediction results show more accuracy than four neurons in the hidden layer. Moreover, five neurons in the hidden layer can reproduce the strength crossover between fly ash concrete and plain concrete. Summarily, the neural network-based model is valuable for design sustainable composite concrete containing silica fume and fly ash.
Proceedings of the Korea Concrete Institute Conference
/
2002.10a
/
pp.647-652
/
2002
In the previous study, authors presented the I-ProConS (Intelligent PREdiction system of CONcrete Strength) using artificial neural networks (ANN) that provides in-place strength information of the concrete to facilitate concrete form removal and scheduling for construction. The serious problem of the system has occured, which it cannot appropriately predict the concrete strength when the curing temperature of a curing day is changed. This is because it uses the single neural networks, which all nodes are fully connected, and thus it cannot smoothly respond for external impact. However this paper presents that the problem can be solved by multiple neural networks, which is composed of five ANNs.
Proceedings of the Korean Geotechical Society Conference
/
2000.03b
/
pp.591-598
/
2000
In the present study, the variation of settlement, pore water pressure and undrained shear strength through model tests were measured. Also, the variation of water content, unit weight and shear strength by the vane shear tests were observed. In this study, appropriate deposit time of construction equipments used in treatment of hydraulic fills is determined from the prediction curve of increased shear strength in dredged fills.
Castelli, Mauro;Trujillo, Leonardo;Goncalves, Ivo;Popovic, Ales
Computers and Concrete
/
v.19
no.6
/
pp.651-658
/
2017
High-performance concrete, besides aggregate, cement, and water, incorporates supplementary cementitious materials, such as fly ash and blast furnace slag, and chemical admixture, such as superplasticizer. Hence, it is a highly complex material and modeling its behavior represents a difficult task. This paper presents an evolutionary system for the prediction of high performance concrete strength. The proposed framework blends a recently developed version of genetic programming with a local search method. The resulting system enables us to build a model that produces an accurate estimation of the considered parameter. Experimental results show the suitability of the proposed system for the prediction of concrete strength. The proposed method produces a lower error with respect to the state-of-the art technique. The paper provides two contributions: from the point of view of the high performance concrete strength prediction, a system able to outperform existing state-of-the-art techniques is defined; from the machine learning perspective, this case study shows that including a local searcher in the geometric semantic genetic programming system can speed up the convergence of the search process.
The need for advanced high strength steel (AHSS) forming technology is increasing as interest in light weight and safe automobiles increases. Multipoint dieless forming (MDF) is a novel sheet metal forming technology that can create any desired longitudinal and transverse curvature in sheet metal. However, since the springback phenomenon becomes larger with high strength metal such as AHSS, predicting the required MDF to produce the exact desired curvature in two directions is more difficult. In this study, a prediction model using artificial neural network (ANN) was developed to predict the springback that occurs during AHSS forming through MDF. In order to verify the validity of model, a fit test was performed and the results were compared with the conventional regression model. The data required for training was obtained through simulation, then further random sample data was created to verify the prediction performance. The predicted results were compared with the simulation results. As a result of this comparison, it was found that the prediction of our ANN based model was more accurate than regression analysis. If a sufficient amount of data is used in training, the ANN model can play a major role in reducing the forming cost of high-strength steels.
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.