This study investigated fundamental properties of the recycled aggregate which was produced through recent hi-techniques of recycling. In addition, the mechanical properties of the concrete that used the recycled aggregate were compared to the concrete used the natural aggregate. From the results of the mechanical property tests, as the recycled aggregate replacement ratio increased, the compressive strength and elastic modulus decreased. When the recycled aggregate completely replaced the natural aggregate, the compressive strength and elastic modulus was about 15$\%$ and 35$\%$ lower than the natural aggregate concrete, respectively. Based on the test results, equations for prediction of compressive strength and elastic modulus were suggested in the consideration of the amount of the replaced recycled aggregate. Based on the test results and study, the equation predicting the required development length of the recycled aggregate concrete is proposed.
In this study, the concrete compressive strength estimation system Concrete IoT Management System (hereinafter referred to as CIMS) was developed, and CIMS was applied to domestic field structure slabs and wall concrete to check whether CIMS is practically available and to estimate the accuracy of the initial strength estimation of concrete. As a result, it shows a very high correlation when the compressive strength of the specimen for structural management is compared with the estimated strength of CIMS in terms of integrated temperature, and it is expected to be gradually applied to domestic construction sites in the future.
In this study, by applying the concrete compressive strength estimation system Concrete IoT Management System (hereinafter referred to as CIMS) to the concrete slab concrete in the domestic field, the purpose of this study is to confirm the practical use of CIMS and to verify the accuracy of estimating the initial strength of concrete. As a result, it shows a high correlation when the compressive strength and CIMS estimated strength of the specimen for structural management are converted and compared with the integrated temperature. However, in order to determine a more accurate experimental constant, it is necessary to consider the results up to 28 days.
The mechanical and durability characteristics of concrete structures depend on the construction environment, material conditions, design conditions, and temperature and humidity environment after casting. However, wired communicati-on sensors which are mainly used in the field have many limitations in their usability and monitoring. In this study, all temperature and humidity data measured from embedded sensors are monitored via a wireless sensor network. Based on the measured temperature data, the predicted compressive strength of the concrete was compared with the actual compressive strength. As a result, The error between predicted strength and experimental strength has decreased over time.
Ramezanianpour, A.A.;Kamel, M.E.;Kazemian, A.;Ghiasvand, E.;Shokrani, H.;Bakhshi, N.
Computers and Concrete
/
제10권6호
/
pp.649-662
/
2012
This paper presents the results of an investigation on the compressive strength and weight loss of mortars containing three types of fillers as cement replacements; Limestone Filler (LF), Silica Fume (SF) and Trass (TR), subjected to elevated temperatures including $400^{\circ}C$, $600^{\circ}C$, $800^{\circ}C$ and $1000^{\circ}C$. Results indicate that addition of TR to blended cements, compared to SF addition, leads to higher compressive strength and lower weight loss at elevated temperatures. In order to model the influence of the different parameters on the compressive strength and the weight loss of specimens, artificial neural networks (ANNs) were adopted. Different diagrams were plotted based on the predictions of the most accurate networks to study the effects of temperature, different fillers and cement content on the target properties. In addition to the impressive RMSE and $R^2$ values of the best networks, the data used as the input for the prediction plots were chosen within the range of the data introduced to the networks in the training phase. Therefore, the prediction plots could be considered reliable to perform the parametric study.
Tahwia, Ahmed M.;Heniegal, Ashraf;Elgamal, Mohamed S.;Tayeh, Bassam A.
Computers and Concrete
/
제27권1호
/
pp.21-28
/
2021
The Artificial Neural Network (ANN) is a system, which is utilized for solving complicated problems by using nonlinear equations. This study aims to investigate compressive strength, rebound hammer number (RN), and ultrasonic pulse velocity (UPV) of sustainable concrete containing various amounts of fly ash, silica fume, and blast furnace slag (BFS). In this study, the artificial neural network technique connects a nonlinear phenomenon and the intrinsic properties of sustainable concrete, which establishes relationships between them in a model. To this end, a total of 645 data sets were collected for the concrete mixtures from previously published papers at different curing times and test ages at 3, 7, 28, 90, 180 days to propose a model of nine inputs and three outputs. The ANN model's statistical parameter R2 is 0.99 of the training, validation, and test steps, which showed that the proposed model provided good prediction of compressive strength, RN, and UPV of sustainable concrete with the addition of cement.
In this article, Multi-Gene Genetic Programming (MGGP) is proposed for the estimation of the compressive strength of concrete. MGGP is known to be a powerful algorithm able to find a relationship between certain input space features and a desired output vector. With respect to most conventional machine learning algorithms, which are often used as "black boxes" that do not provide a mathematical formulation of the output-input relationship, MGGP is able to identify a closed-form formula for the input-output relationship. In the study presented in this article, MGPP was used to predict the compressive strength of plain concrete, concrete with fly ash, and concrete with furnace slag. A formula was extracted for each mixture and the performance and the accuracy of the predictions were compared to the results of Artificial Neural Network (ANN) and Extreme Learning Machine (ELM) algorithms, which are conventional and well-established machine learning techniques. The results of the study showed that MGGP can achieve a desirable performance, as the coefficients of determination for plain concrete, concrete with ash, and concrete with slag from the testing phase were equal to 0.928, 0.906, 0.890, respectively. In addition, it was found that MGGP outperforms ELM in all cases and its' accuracy is slightly less than ANN's accuracy. However, MGGP models are practical and easy-to-use since they extract closed-form formulas that may be implemented and used for the prediction of compressive strength.
The use of fly ash in modern-day concrete technology aiming sustainable constructions is on rapid rise. Fly ash, a spinoff from coal calcined thermal power plants with pozzolanic properties is used for cement replacement in concrete. Fly ash concrete is cost effective, which modifies and improves the fresh and hardened properties of concrete and additionally addresses the disposal and storage issues of fly ash. Soft computing techniques have gained attention in the civil engineering field which addresses the drawbacks of classical experimental and computational methods of determining the concrete compressive strength with varying percentages of fly ash. In this study, models based on soft computing techniques employed for the prediction of the compressive strengths of fly ash concrete are collected from literature. They are classified in a categorical way of concrete strengths such as control concrete, high strength concrete, high performance concrete, self-compacting concrete, and other concretes pertaining to the soft computing techniques usage. The performance of models in terms of statistical measures such as mean square error, root mean square error, coefficient of correlation, etc. has shown that soft computing techniques have potential applications for predicting the fly ash concrete compressive strengths.
Recently some efforts have been performed to combine the advantages of light-weight and self-compacting concrete in one package called Light-Weight Self-Compacting Concrete (LWSCC). Accurate prediction of hardened properties from fresh state characteristics is vital in design of concrete structures. Considering the lack of references in mixture design of LWSCC, investigating the proper mixture components and their effects on mechanical properties of LWSCC can lead to a reliable basis for its application in construction industry. This study utilizes wide range of existing data of LWSCC mixtures to study the individual and combined effects of the components on the compressive strength. From sensitivity of compressive strength to the proportions and interaction of the components, two equations are proposed to estimate the LWSCC compressive strength. Predicted values of the equations are in good agreement with the experimental data. Application of lightweight aggregate to reduce the density of LWSCC may bring some mixing problems like segregation. Reaching a higher strength by lowered density is a challenging problem that is investigated as well. The results show that, the compressive strength can be improved by increasing the of mixture density of LWSCC, especially in the range of density under $2000Kg/m^3$.
In the present study an Artificial Neural Network (ANN) was used to predict the compressive strength of self-compacting concrete. The data developed experimentally for self-compacting concrete and the data sets of a total of 99 concrete samples were used in this work. ANN's are considered as nonlinear statistical data modeling tools where complex relationships between inputs and outputs are modeled or patterns are found. In the present ANN model, eight input parameters are used to predict the compressive strength of self-compacting of concrete. These include varying amounts of cement, coarse aggregate, fine aggregate, fly ash, fiber, water, super plasticizer (SP), viscosity modifying admixture (VMA) while the single output parameter is the compressive strength of concrete. The importance of different input parameters for predicting the strengths at various ages using neural network was discussed in the study. There is a perfect correlation between the experimental and prediction of the compressive strength of SCC based on ANN with very low root mean square errors. Also, the efficiency of ANN model is better compared to the multivariable regression analysis (MRA). Hence it can be concluded that the ANN model has more potential compared to MRA model in developing an optimum mix proportion for predicting the compressive strength of concrete without much loss of material and time.
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.