Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/10753
標題: 類神經網路於工業界之混凝土抗壓強度預測系統
Applicable Artificial Neural Network Modeling For ready mix Concrete industry
作者: 陳文芳
Chen, Wen-Fang
關鍵字: 類神經網路;Neural Network
出版社: 土木工程學系所
引用: 參考文獻 1、 吳卓夫、葉基棟,營造法與施工,茂榮圖書有限公司,1991。 2、 常正之,混凝土施工,三民書局,1991。 3、 王櫻茂,土木材料學,成功大學土木系,1996。 4、 黃兆龍,混凝土性質與行為,詹氏書局,1997。 5、 葉怡成,應用類神經網路,儒林圖書公司,2001。 6、 許慶安,「應用類神經網路推估混凝土抗壓強度」,碩士論文,國立成功大學土木工程系,2003。 7、 楊竣傑,「應用類神經網路預測混凝土受高溫影響之強度折減」,碩士論文,朝陽科技大學營建工程系,2003。 8、 湯兆緯、潘坤勝,「應用類神經網路於高性能混凝土之配比設計與性能評估」,九十二年度補助教師專題研究計畫成果報告,正修科技大學,2004。 9、 許雅雯,應用類神經網路於結構損傷即時診斷,碩士論文,國立成功大學土木工程系,2004。 10、 郭得和,「類神經網路於橋梁分析之應用」,碩士論文,逢甲大學土木工程學系,2005。 11、 Minsky,M.L.and Papert,S.A.,Perceptrons, Cambridge,MA:MIT,1969. 12、 Mindess,S.and Young,J.F.,Concrete,Prentice Prentice Press,1981. 13、 Kohonen,T.,”Self-Organized Formation of Topologically Correct Feature Maps,”Biological Cybernetecs,1982. 14、 Somayaji,S.,Civil Engineering Materials,Prentice Hall,1995. 15、 Hagan, M.T.,Demuth, H.B. and Beale, M., Neural Neural Network Design, Thomson Press,1996. 16、 Haykin, S.,Neural Network A Comprehensive Foundation, PrenticePress, 1999. 17、 Neville,A.M.,Properties of Concrete,Longman Press,1999. 18、 CNS 1164 A3028 細粒料中有機物含量檢驗法,1983。 19、 CNS 386 Z7008 試驗篩,1984。 20、 CNS 1010 R3032 水硬性水泥墁料抗壓強度檢驗法,1993。 21、 CNS 490 A3009 粗粒料(37.5mm以下)磨損試驗法,1993。 22、 CNS 487 A3006 細粒料比重及吸水率試驗法,1993。 23、 CNS 488 A3007 粗粒料比重及吸水率試驗法,1993。 24、 CNS 1237 A3050 混凝土拌和用水試驗法,1997。 25、 CNS 61 R2001 卜特蘭水泥,2001。 26、 CNS 491 A3010 粒料內小於試驗篩75μm CNS 386材料含量試驗法(水洗法),2001。 27、 CNS 1240 A2029 混凝土粒料,2002。 28、 CNS 1163 A3027 粒料容積密度與空隙率試驗法,2008。
摘要: 
摘要
混凝土是營建工程的常見材料,其中抗壓強度是混凝土品質評估的重要指標之一,而坍度則是現場工作性的重要指標。過去研究使用不同方法針對材料配比所產生的抗壓強度、坍度製作預估模型,其中最常見也具高準確率的是類神經網路技術。
然而前人之研究僅考量混凝土配比設計之材料用量之自變數(如水灰比、用水量、水泥用量、細粒料用量、粗粒料用量及飛灰用量 ),即有準確率高的效果。但未考量混凝土材料性質變數對混凝土抗壓強度造成之影響,故本研究嘗試加入混凝土材料性質之新增變數,以探討其影響程度。
為建立一通用模型,本研究收集業界不同來源之混凝土抗壓強度、坍度數據共600筆,並提出其他9項自變數:粗骨材之最大粒徑、粗骨材之磨損率、粗骨材之面乾比重、粗骨材之吸水率、粗骨材之乾搗單位重、細骨材之細度模數、細骨材之75μm含量、細骨材之面乾比重、細骨材之吸水率,冀望這些新變數能反應不同料源的材料特性。
案例成果說明 6 項舊變數所建立之配比模型,其 RMSE 誤差值皆高於 15 項自變數模型的誤差值。多考慮 9 項新變數的確有助於抗壓強度、坍度的預估準確度,顯示不同料源之材料特性可以此 15 項自變數表示之。
URI: http://hdl.handle.net/11455/10753
其他識別: U0005-1308201215482100
Appears in Collections:土木工程學系所

Show full item record
 
TAIR Related Article

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.