메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이상민 (서울대학교) 성한석 (서울대학교) 강현구 (서울대학교)
저널정보
한국콘크리트학회 콘크리트학회 논문집 콘크리트학회 논문집 제34권 제5호(통권 제191호)
발행연도
2022.10
수록면
505 - 513 (9page)
DOI
10.4334/JKCI.2022.34.5.505

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구의 목적은 콘크리트 압축강도 예측을 위한 여러 기계학습 모형의 성능을 비교하고 분석하는 것이다. 공개된 콘크리트 배합비와 압축강도 데이터베이스와 함께 실제 실험을 통해 측정한 공시체의 압축강도와 배합비 데이터가 함께 사용되었다. 입력변수로 시멘트, 고로슬래그미분말, 플라이 애시, 물, 고성능감수제, 굵은 골재, 잔골재, 재령이 도입되었고, 출력변수는 콘크리트 압축강도로 설정하였다. 각 기계학습 모형의 세부 파라미터를 변경해가며 가장 예측력이 높은 모형을 탐색하였고, 결과적으로 Neural Network와 Gaussian Process Regression 계열의 모형이 Linear Regression, Decision Tree, Support Vector Machine, Ensemble 모형에 비해 전반적으로 우수한 예측 성능을 보이는 것을 확인하였다. 본 연구에서는 배합비만으로 실제 공시체 측정없이 적은 오차 범위 이내로 콘크리트 압축강도 예측이 가능한 기계학습 모형을 구현하였다는 점에서 의미 있는 결론을 도출하였다. 또한 기존의 연구와 다르게 회귀를 위한 여러 기계학습 모형의 성능을 동일 데이터에 대하여 직접 비교하였다는 차별점이 있다. 향후 데이터베이스의 계속된 축적과 여러 환경 변수들의 추가를 통해 성능을 더욱 높일 수 있을 것이다.
#machine learning #compressive strength #mix design #neural networks #Gaussian process regression #기계학습 #압축강도 #배합설계 #신경망 #가우시안 프로세스 회귀모형

목차

ABSTRACT
1. 서론
2. 기존 연구 사례
3. 배경 이론 및 데이터 분석
4. 기계학습을 이용한 콘크리트 압축강도 예측 성능 결과 및 분석
5. 결론
References
요약

참고문헌 (18)

참고문헌 신청
ACI Committee 211 (1993) Standard Practice for Selecting Proportions for Normal, Heavyweight, and Mass Concrete (ACI 211.1). Farmington Hills, MI; American Concrete Institute (ACI). google schola AIJ (2003) Japanese Architectural Standard Specification for Reinforced Concrete Work (JASS 5). Architectural Institute of Japan (AIJ). google schola Chithra, S., Senthil Kumar, S.R.R., Chinnaraju, K., and Alfin Ashmita, F. (2016) A Comparative Study on the Compressive Strength Prediction Models for High Performance Concrete Containing Nano Silica and Copper Slag Using Regression Analysis and Artificial Neural Networks. Construction and Building Materials 114(1), 528-535. google schola Cho, H., Yoon, S., and Jee, N.Y. (2003) The Estimation of Compressive Strength of Ready-Mixed Concrete On the Basis of Mix Design. Journal of the Architectural Institute of Korea - Structure & Construction 19(4), 105-112. (In Korean) google schola Choi, H.-K., Bae, B.-I., and Koo, H.-S. (2015) Correlation between Mix Proportion and Mechanical Characteristics of Steel Fiber Reinforced Concrete. Journal of the Korea Concrete Institute 27(4), 331-341. (In Korean) google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

콘크리트 건물의 풍하중 산정식 개선을 위한 데이터 기반 접근법
김찬호 ,  강현구 한국콘크리트학회 학술대회 논문집 2022 .11
풍동실험을 통한 고층 RC 공동주택의 성능기반 내풍설계
안병욱 ,  강현구 한국콘크리트학회 학술대회 논문집 2022 .11
고층 철근콘크리트 건물의 성능기반 내풍설계를 위한 해석적 연구
안병욱 ,  하미드레자 ,  강현구 한국콘크리트학회 학술대회 논문집 2021 .05
철근콘크리트 깊은보의 강도 비교
최연제 ,  변현우 ,  이정윤 한국콘크리트학회 학술대회 논문집 2022 .11
압축강도 50 MPa, 단위중량 16 kN/m³ 고강도 경량 콘크리트 부착-슬립 거동의 설계기준과의 비교
이동균 ,  이도경 ,  오준환 외 1명 한국건설순환자원학회논문집 2022 .06

최근 본 자료

전체보기

댓글(0)

0