1/1
5 files

Shrinkage and Crack Data and Program

dataset
posted on 29.08.2022, 03:47 authored by Shingo ASAMOTO, Yuriko OKAZAKI, Shinichiro OKAZAKI, Pang-jo ChunPang-jo Chun

In this study, the concrete shrinkage and creep laboraty data is analyzed based on the regression by ma- chine learning, linear regression and the design empirical predictionin Japan. The random forect predicted the ultimate shrinkage under various conditions most accurately, while the ultimate creep was estimiated by the neural network with maximum accuracy. It was found that the machine learning can approximately predict shrinkage and creep under conditions beyond the design range but is not able to estimate them under extreme conditions such very high relative humidiy close to 100 %, high water-to-cement ratio over 0.8 and others The importance of parameters according to the randam forest was reasonable to reflect shrinkage and creep characteristics known by laboratory test and design. The machine learning based on the laboratory experiment cannot reasonably predict the variation of shrinkage and creep whose learning data is few and the extrapolating long-term behavior.

History

Translated title

コンクリートの収縮・クリープのデータとプログラム

Translated description

本研究では,コンクリートの収縮,クリープ実験のデータベースを用いて,機械学習,重回帰,設計の予測式で,実験の終局値について回帰分析を行った.収縮に関しては,ランダムフォレストが最も精度よく実験データを予測できたが,クリープでは,ニューラルネットワークの予測精度が高かった.機械学習は,設計予測の適用範囲外の条件でも実験の傾向を概ね再現できたが,100%に近い相対湿度や0.8を超える水セメント比など極端な条件に対する予測精度は低かった.ランダムフォレストによる入力パラメータの重要度は,材料・環境条件に関する実験及び設計上の影響認識と概ね一致した.機械学習による回帰モデルで長期の収縮,クリープ予測の試計算を行ったところ,学習した範囲外の外挿やデータが少ない範囲での予測は難しいことが確認された. Shrinkage.zipは,論文で,Bazantの収縮のデータベースをもとに,RF,NN,重 回帰,示方書による収縮予測の比較するプログラムとデータのセットになります. Creep.zipは,論文で,Bazantのクリープのデータベースをもとに,RF,NN,重 回帰,示方書によるクリープ予測の比較するプログラムとデータのセットになり ます.

Translated manuscript title

コンクリートの収縮・クリープの実験データを活用した機械学習による回帰分析

Translated authors

浅本 晋吾, 岡﨑 百合子, 岡﨑 慎一郎, 全 邦釘

Copyright

© 2022 Japan Society of Civil Engineers