강섬유의 압축강도 예측에 사용되는 다양한 기계학습 알고리즘 비교

Scientific Reports 13권, 기사 번호: 3646(2023) 이 기사 인용

1578 액세스

1 인용

10 알트메트릭

측정항목 세부정보

후크형 산업용 강철 섬유(ISF)를 콘크리트에 추가하면 인장 강도와 굴곡 강도가 향상됩니다. 그러나 콘크리트의 압축강도(CS) 거동에 대한 ISF의 영향에 대한 이해는 여전히 과학계에서 의문을 제기하고 있습니다. 제시된 논문은 공개 문헌에서 수집된 데이터를 기반으로 머신러닝(ML)과 딥러닝(DL) 알고리즘을 사용하여 Hooked ISF를 통합한 강섬유 강화 콘크리트(SFRC)의 CS를 예측하는 것을 목표로 합니다. 따라서 다양한 저널과 컨퍼런스 논문에서 176세트의 데이터가 수집되었습니다. 초기 민감도 분석을 기반으로 물-시멘트(W/C) 비율 및 잔골재(FA) 함량과 같은 가장 영향력 있는 매개변수는 SFRC의 CS를 감소시키는 경향이 있습니다. 한편, SFRC의 CS는 고성능감수제(SP), 플라이애시, 시멘트(C)의 첨가량을 증가시켜 향상시킬 수 있다. 가장 덜 기여하는 요소에는 집합체의 최대 크기(Dmax)와 후크형 ISF의 길이 대 직경 비율(L/DISF)이 포함됩니다. 결정계수(R2), 평균절대오차(MAE), 평균제곱오차(MSE) 등 구현된 모델의 성능을 평가하기 위한 여러 통계 매개변수도 측정항목으로 사용됩니다. 다양한 ML 알고리즘 중에서 R2 = 0.928, RMSE = 5.043, MAE = 3.833인 CNN(Convolutional Neural Network)이 더 높은 정확도를 나타냅니다. 반면, R2 = 0.881, RMSE = 6.477, MAE = 4.648인 KNN(K-Nearest Neighbor) 알고리즘은 가장 약한 성능을 나타냅니다.

ML은 지속적인 학습과 진화를 통해 인간 지능을 시뮬레이션하고 컴퓨팅 절차의 속도를 높이는 컴퓨팅 기술입니다. ML 기술은 의료 및 생체의학 장비, 엔터테인먼트, 금융, 엔지니어링 애플리케이션을 포함한 여러 산업에서 효과적으로 구현되었습니다. ML은 인프라 개발, 구조 상태 모니터링, 재료의 기계적 특성 예측 등 다양한 분야의 토목공학에 사용될 수 있습니다. 보다 구체적으로, 콘크리트의 특성을 예측하기 위한 수많은 연구가 진행되어 왔습니다1,2,3,4,5,6,7

깨지기 쉬운 재료인 콘크리트의 단점 중 하나는 낮은 인장 강도와 변형 능력입니다. 따라서 콘크리트의 인장 하중 지지 능력을 높이기 위해 다양한 종류의 섬유가 첨가됩니다. 섬유 강화 콘크리트(FRC)를 생성하기 위해 사용되는 섬유는 일반적으로 짧고 불연속적이며 콘크리트 매트릭스 전체에 무작위로 분산되어 있습니다8. 지금까지 섬유는 주로 서비스 가능성을 위해 구조 요소의 거동을 개선하는 데 사용되었습니다. 그러나 콘크리트에 ISF를 첨가하고 SFRC를 생산하면 추가적인 강도 용량을 제공하거나 구조 요소의 주요 보강재 역할을 할 수도 있습니다. 오늘날 조립식 및 현장 콘크리트 구조물의 생산을 위해 SFRC는 (a) 임시 하중 시나리오에 대한 2차 보강, 수축 균열 억제, 프리캐스트 부재(예: 터널 라이닝 등) 운송 또는 설치 중에 발생하는 미세 균열 제한과 같은 수용을 얻고 있습니다. 세그먼트), (b) 기존 보강재의 부분 대체, 즉 하이브리드 보강 시스템, (c) 압축 노출 요소(예: 얇은 쉘 구조, 지반 지지 슬래브, 기초 등)에서 일반적인 보강재의 전체 대체 터널 라이닝9. 의심할 여지 없이, 구조적 응용에 섬유를 사용하는 것을 방해하는 장벽 중 하나는 현재 설계 기술10에 포함되어야 하는 FRC 특성(특히 CS 거동)을 계산하는 데 어려움이 있다는 것입니다.

따라서 SFRC의 CS를 조사하기 위해 많은 실험적 연구가 수행되었다. Han et al.11은 ISF(LISF)의 길이가 SFRC의 CS에 미미한 영향을 미친다고 보고하였다. Setti et al.12도 콘크리트에 VISF(Volume Fraction)가 다른 ISF를 도입하고 ISF 함량을 증가시켜 SFRC의 CS를 향상시킨다고 보고했습니다. Zhu et al.13은 VISF를 0에서 2.0%로 증가시킴으로써 CS가 선형적으로 증가하는 것을 발견했습니다. ISF를 포함하는 보통강도 콘크리트의 CS 향상에도 불구하고 VISF를 증가시켜도 고성능 콘크리트 배합에서는 CS의 큰 변화가 나타나지 않습니다. 이는 SFRC의 CS 거동에 대한 다른 혼합 구성 요소(예: W/C 비율, 골재 크기 및 시멘트 함량)의 역할을 강조합니다. 따라서 선형 또는 비선형 회귀 분석을 통한 CS 예측의 어려움으로 인해 SFRC의 정확한 CS 예측을 위해 데이터 기반 모델이 실행됩니다.