인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
초록·키워드
The effects of fly ash and superplasticizer (SP) on workability of concrete are quite difficult to predict because they are dependent on other concrete ingredients. Because of high complexity of the relations between workability and concrete compositions, conventional regression analysis could be not sufficient to build an accurate model. In this study, a workability model has been built using artificial neural networks (ANN). In this model, the workability is a function of the content of all concrete ingredients, including cement, fly ash, blast furnace slag, water, superplasticizer, coarse aggregate, and fine aggregate. The effects of water/binder ratio (w/b), fly ash-binder ratio (fa/b), superplasticizer-binder ratio (SP/b), and water content on slump were explored by the trained ANN. This study led to the following conclusions: (1) ANN can build a more accurate workability model than polynomial regression. (2) Although the water content and SP/b were kept constant, a change in w/b and fa/b had a distinct effect on the workability properties. (3) An increasing content of fly ash decreased the workability, while raised the slump upper limit that can be obtained.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
