현재 위치
Home
신경망 이론을 적용한 40MPa급 증해추출 왕겨분말 혼입 무시멘트 콘크리트 배합설계모델에 관한 연구
A Study on the Mix Design Model of 40MPa Class High Strength Cementless Concrete with Rice Husk Powder Using Neural Network Theory
-
- 발행기관
- 대한건축학회지회연합회 바로가기
-
- 간행물
- 대한건축학회연합논문집 KCI 등재 바로가기
-
- 통권
- 제24권 제4호 통권 110호 (2022.08)바로가기
-
- 페이지
- pp.23-30
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A416408
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- The purpose of this study is to propose a 40MPa concrete blending design model that applies the neural network theory to minimize the effort wasted in trial and error. A mixed design model was applied to each of the 180 data using fly ash, blast furnace slag, and rice husk powder. And in the neural network model, the optimized connection weight was obtained by repeatedly applying it to the back-propagation algorithm. The completed mixed design model was demonstrated by analyzing and comparing the predicted values in the mixing design model with those measured in the actual compressive strength test. The factors in the neural network theory affect the compressive strength as the input values and collect the mixed design data through references related to the compressive strength characteristics. To validate the model, a compressive strength test was conducted based on the prediction of the mix design factor, comparing the target compressive strength and the test value in the mix design. According to the results of the mix design verification experiment, the lowest error rate in 40MPa class strength cementless concrete composed of fly ash and rice husk powder was 4.7%, and in 40MPa class strength cementless concrete composed of fly ash, blast furnace slag, and rice husk powder, the lowest error rate was 4.3%. In addition, if the error rate decreases according to the test conditions and environment, a more accurate value could be obtained through the mixed design model.
목차
Abstract
1. 서론
1.1 연구배경 및 목적
1.2 연구내용 및 방법
1.3. 기존 연구의 동향
2. 신경망 이론
2.1 신경망의 개요
2.2 학습 알고리즘
3. 배합설계를 위한 모델링
3.1 신경망 모델링 방법
3.2 입출력 변수의 결정
3.3 자료 수집
3.4 학습 검증
4. 모델 검증
4.1 배합 인자 수준 예측
4.2 검증 실험
4.3 결과 및 분석
5. 결론
REFERENCES
키워드
증해추출 왕겨분말 역전파 알고리즘 신경망 모델 압축강도 Rice Husk Powder Back-Propagation Algorithm Neural Network Compressive Strength저자
간행물 정보
발행기관
-
- 발행기관명
- 대한건축학회지회연합회 [The Regional Association of Architectural Institute of Korea]
- 설립연도
- 2000
- 분야
- 공학>건축공학
- 소개
- 본회는 건축에 관한 학술․ 예술․ 기술을 연구 연마하는 지회회원들의 입지향상과 회원상호간의 친목도모와 함께 건축 문화창달에 기여함을 목적으로 한다. 목적을 달성하기 위하여 다음의 사업을 한다. 1. 지회회원의 입지향상과 친목도모 2. 건축에 관한 조사․연구지도 및 이에 관련된 사업 3. 회지, 논문집, 연구보고서 기타 건축에 관한 도서의 간행 4. 건축에 관한 강습회․강연회․간담회․전람회․견학회 등의 개최 5. 건축에 관한 계획, 감독, 기술검토에 대한 국가공공기관 기타의뢰에 관한 사항 6. 국내외 관계 제 학회와의 교류 및 회의참석 7. 기타 본회 목적달성에 필요한 사업
간행물
-
- 간행물명
- 대한건축학회연합논문집 [Journal of the Regional Association of Architectural Institute of Korea]
- 간기
- 격월간
- pISSN
- 1229-5752
- 수록기간
- 1999~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 540 DDC 690
이 권호 내 다른 논문 / 대한건축학회연합논문집 제24권 제4호 통권 110호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.