콘크리트의 배합설계를 위해서는 각종 콘크리트 표준 시방서의 내용에 대하여 잘 알아야 할 뿐 아니라 현장 경험이 많은 전문가의 경험을 필요로 한다. 그러나 배합 설계에 관련된 모든 인자들과 그 인자들 간의 상호작용에 대하여 모두 고려할 수는 없다. 따라서 적적한 배합설계에 관한 판단은 품질관리를 위한 재료시험을 통하여 판단할 수밖에 없고 그 결과에 따라 보정하는 과정을 거치게 된다. 이렇듯 콘크리트의 배합설계는 재료, 온도, 현장조건, 기술자의 숙련도 등에 대하여는 불확실성이 존재하고 계산과 시험과정에 존재하는 오차로 인하여 엄격한 품질관리를 하여야만 하기 때문에 자칫 지루하며 복잡하고 힘든 일이 될 수밖에 없다. 본 연구에서는 이렇듯 콘크리트의 배합설계 과정에서 나타나는 피할 수 없는 불확실성과 오차들을 최소화하기 위하여 신경망을 적용하였다. 신경망의 학습과 검증을 위한 자료는 콘크리트 표준시방서에 따라 설계기준 강도, 굵은골재 최대치수, 슬럼프, 골재의 조립율 등을 변화시켜 가면서 이론적으로 물-시멘트비, 잔골재율, 단위 수량, 단위 시멘트량, 단위 잔골재량, 단위 굵은 골재량 등을 구하여 사용하였다. 특히 콘크리트의 실제강도는 동일한 조건하에서 강도시험을 실시하여도 결과가 서로 다르게 나타나는 확율변수인점도 고려하였다. 콘크리트의 배합설계에 신경망을 적용한 결과는 그 적용성이 매우 컸다.
콘크리트의 배합설계를 위해서는 각종 콘크리트 표준 시방서의 내용에 대하여 잘 알아야 할 뿐 아니라 현장 경험이 많은 전문가의 경험을 필요로 한다. 그러나 배합 설계에 관련된 모든 인자들과 그 인자들 간의 상호작용에 대하여 모두 고려할 수는 없다. 따라서 적적한 배합설계에 관한 판단은 품질관리를 위한 재료시험을 통하여 판단할 수밖에 없고 그 결과에 따라 보정하는 과정을 거치게 된다. 이렇듯 콘크리트의 배합설계는 재료, 온도, 현장조건, 기술자의 숙련도 등에 대하여는 불확실성이 존재하고 계산과 시험과정에 존재하는 오차로 인하여 엄격한 품질관리를 하여야만 하기 때문에 자칫 지루하며 복잡하고 힘든 일이 될 수밖에 없다. 본 연구에서는 이렇듯 콘크리트의 배합설계 과정에서 나타나는 피할 수 없는 불확실성과 오차들을 최소화하기 위하여 신경망을 적용하였다. 신경망의 학습과 검증을 위한 자료는 콘크리트 표준시방서에 따라 설계기준 강도, 굵은골재 최대치수, 슬럼프, 골재의 조립율 등을 변화시켜 가면서 이론적으로 물-시멘트비, 잔골재율, 단위 수량, 단위 시멘트량, 단위 잔골재량, 단위 굵은 골재량 등을 구하여 사용하였다. 특히 콘크리트의 실제강도는 동일한 조건하에서 강도시험을 실시하여도 결과가 서로 다르게 나타나는 확율변수인점도 고려하였다. 콘크리트의 배합설계에 신경망을 적용한 결과는 그 적용성이 매우 컸다.
In concrete mix design we need the informations of the codes, the specifications, and the experiences of experts. However we can't consider all factors regarding concrete mix design. The final acceptance depends on concrete quality control test results. In this process we meet the uncertainties of...
In concrete mix design we need the informations of the codes, the specifications, and the experiences of experts. However we can't consider all factors regarding concrete mix design. The final acceptance depends on concrete quality control test results. In this process we meet the uncertainties of materials. temperature, site environmental situations, personal skillfulness. and errors in calculations and testing process. Then the mix design adjustments must be made. Concrete mix design and adjustments arc somewhat complicated, time-consuming. and uncertain tasks. In this paper, as a tool to minimize the uncertainties and errors the neural network is applied to the concrete mix design. Input data to train and test the neural network are obtained numerically from the results of design following the concrete standard specifications of Korea. The 28-days compressive strengths which are variate according to the uncertainties and errors are considered. The results show that neural networks have a strong potential as a tool for concrete mix design.
In concrete mix design we need the informations of the codes, the specifications, and the experiences of experts. However we can't consider all factors regarding concrete mix design. The final acceptance depends on concrete quality control test results. In this process we meet the uncertainties of materials. temperature, site environmental situations, personal skillfulness. and errors in calculations and testing process. Then the mix design adjustments must be made. Concrete mix design and adjustments arc somewhat complicated, time-consuming. and uncertain tasks. In this paper, as a tool to minimize the uncertainties and errors the neural network is applied to the concrete mix design. Input data to train and test the neural network are obtained numerically from the results of design following the concrete standard specifications of Korea. The 28-days compressive strengths which are variate according to the uncertainties and errors are considered. The results show that neural networks have a strong potential as a tool for concrete mix design.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.