鋼繊維の圧縮強度予測に使用される各種機械学習アルゴリズムの比較

Scientific Reports volume 13、記事番号: 3646 (2023) この記事を引用

2121 アクセス

5 引用

11 オルトメトリック

メトリクスの詳細

フック付き工業用鋼繊維 (ISF) をコンクリートに添加すると、引張強度と曲げ強度が向上します。 しかし、コンクリートの圧縮強度 (CS) 挙動に対する ISF の影響についての理解は、依然として科学協会によって疑問視されています。 発表された論文は、公開文献から収集されたデータに基づいて、機械学習 (ML) および深層学習 (DL) アルゴリズムを使用して、フック付き ISF を組み込んだ鋼繊維強化コンクリート (SFRC) の CS を予測することを目的としています。 したがって、176 セットのデータがさまざまな雑誌や会議論文から収集されます。 初期感度分析に基づくと、水対セメント (W/C) 比や細骨材 (FA) 含有量などの最も影響力のあるパラメータは、SFRC の CS を低下させる傾向があります。 一方、SFRC の CS は、減水剤 (SP)、フライアッシュ、セメント (C) の量を増やすことによって強化できます。 寄与が最も少ない要因には、骨材の最大サイズ (Dmax) およびフック型 ISF の長さ対直径の比 (L/DISF) が含まれます。 決定係数 (R2)、平均絶対誤差 (MAE)、平均二乗誤差 (MSE) など、実装されたモデルのパフォーマンスを評価するためのメトリックとしてもいくつかの統計パラメーターが使用されます。 さまざまな ML アルゴリズムの中でも、R2 = 0.928、RMSE = 5.043、MAE = 3.833 の畳み込みニューラル ネットワーク (CNN) が高い精度を示しています。 一方、R2 = 0.881、RMSE = 6.477、MAE = 4.648 の K 最近傍 (KNN) アルゴリズムでは、パフォーマンスが最も低くなります。

ML は、人間の知能をシミュレートし、継続的な学習と進化によってコンピューティング手順を高速化することを目的とした計算技術です。 ML 技術は、医療および生物医学機器、エンターテイメント、金融、エンジニアリング アプリケーションなど、いくつかの業界で効果的に導入されています。 ML は、インフラ開発、構造健全性の監視、材料の機械的特性の予測など、さまざまな分野の土木工学で使用できます。 より具体的には、コンクリートの特性を予測するために数多くの研究が行われてきました1、2、3、4、5、6、7。

壊れやすい材料としてのコンクリートの欠点の 1 つは、引張強度とひずみ容量が低いことです。 したがって、コンクリートの引張耐荷重能力を高めるために、さまざまな種類の繊維が添加されます。 繊維強化コンクリート (FRC) を生成するには、通常、使用される繊維は短く、不連続で、コンクリート マトリックス全体にランダムに分散されます 8。 これまで、繊維は主に保守性を目的として構造要素の動作を改善するために使用されてきました。 ただし、コンクリートに ISF を添加して SFRC を製造すると、追加の強度能力が得られたり、構造要素の主要な補強材として機能したりする可能性があります。 現在、プレハブおよび現場コンクリート構造物の製造において、SFRC は、(a) 一時的な荷重シナリオの二次補強、収縮亀裂の阻止、プレキャスト部材 (トンネル覆工など) の輸送または設置中に発生する微小亀裂の制限などの用途で受け入れられてきています。 (b) 従来の鉄筋の部分的な置き換え、すなわちハイブリッド鉄筋システム、および (c) 圧縮にさらされる要素（例：薄殻構造、地面で支持されたスラブ、基礎、およびトンネル覆工9． 疑いもなく、構造用途でのファイバーの使用を妨げる障壁の 1 つは、現在の設計技術に含めるべき FRC 特性 (特に CS 挙動) の計算の難しさでした10。

したがって、SFRC の CS を調査するために多くの実験研究が行われました。 Han ら 11 は、ISF (LISF) の長さが SFRC の CS に与える影響はわずかであると報告しました。 Setti ら 12 も、異なる体積分率 (VISF) の ISF をコンクリートに導入し、ISF の含有量を増やすことによって SFRC の CS が改善されたことを報告しました。 Zhu et al.13 は、VISF を 0 から 2.0% に増加させることによって CS が直線的に増加することに気づきました。 ISF を組み込んだ通常強度コンクリートの CS は向上しますが、高性能コンクリート混合物では VISF を増加しても CS に大きな変化は得られません 14,15。 これは、SFRC の CS 挙動に対する他の配合成分 (W/C 比、骨材サイズ、セメント含有量など) の役割を強調しています。 したがって、線形または非線形回帰分析による CS 予測は困難であるため、SFRC の正確な CS 予測のためにデータ駆動型モデルが実用化されています。