Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Eine Plattform für die Wissenschaft: Bauingenieurwesen, Architektur und Urbanistik
Application of artificial neural networks to determine concrete compressive strength based on non‐destructive tests
The paper deals with the neural identification of the compressive strength of concrete on the basis of non‐destructively determined parameters. Basic information on artificial neural networks and the types of artificial neural networks most suitable for the analysis of experimental results are given. A set of experimental data for the training and testing of neural networks is described. The data set covers a concrete compressive strength ranging from 24 to 105 MPa. The methodology of the neural identification of compressive strength is presented. Results of such identification are reported. The results show that artificial neural networks are highly suitable for assessing the compressive strength of concrete. The neural identification of the compressive strength of concrete has been verified in situ. Dirbtinių neuroninių tinklų naudojimas gniuždomo betono stipriui nustatyti remiantis neardomųjų bandymų duomenimis Santrauka.Rašoma apie gniuždomo betono stiprio nustatymą naudojant neuroninius tinklus ir remiantis neardomųjų bandymų duomenimis. Nurodomi dirbtiniai neuroniniai tinklai bei jų tipai, kurie labiausiai tinka eksperimentinių duomenų analizei. Aprašoma neuroninių tinklų mokymui bei testavimui taikyta eksperimentinių duomenų imtis. Šioje imtyje gniuždomo betono stipris kito nuo 24 iki 105 MPa. Pateikiama gniuždomo betono stiprio nustatymo, naudojant neuroninius tinklus, metodika bei skaičiavimo rezultatai. Analizės rezultatai rodo, kad dirbtiniai neuroniniai tinklai gerai tinka gniuždomo betono stipriui nustatyti. Tuo įsitikinta atlikus natūrinius tyrimus. Raktiniai žodžiai: betonas,gniuždomo betono stipris,neardomieji bandymai,dirbtiniai neuroniniai tinklai First Published Online: 14 Oct 2010
Application of artificial neural networks to determine concrete compressive strength based on non‐destructive tests
The paper deals with the neural identification of the compressive strength of concrete on the basis of non‐destructively determined parameters. Basic information on artificial neural networks and the types of artificial neural networks most suitable for the analysis of experimental results are given. A set of experimental data for the training and testing of neural networks is described. The data set covers a concrete compressive strength ranging from 24 to 105 MPa. The methodology of the neural identification of compressive strength is presented. Results of such identification are reported. The results show that artificial neural networks are highly suitable for assessing the compressive strength of concrete. The neural identification of the compressive strength of concrete has been verified in situ. Dirbtinių neuroninių tinklų naudojimas gniuždomo betono stipriui nustatyti remiantis neardomųjų bandymų duomenimis Santrauka.Rašoma apie gniuždomo betono stiprio nustatymą naudojant neuroninius tinklus ir remiantis neardomųjų bandymų duomenimis. Nurodomi dirbtiniai neuroniniai tinklai bei jų tipai, kurie labiausiai tinka eksperimentinių duomenų analizei. Aprašoma neuroninių tinklų mokymui bei testavimui taikyta eksperimentinių duomenų imtis. Šioje imtyje gniuždomo betono stipris kito nuo 24 iki 105 MPa. Pateikiama gniuždomo betono stiprio nustatymo, naudojant neuroninius tinklus, metodika bei skaičiavimo rezultatai. Analizės rezultatai rodo, kad dirbtiniai neuroniniai tinklai gerai tinka gniuždomo betono stipriui nustatyti. Tuo įsitikinta atlikus natūrinius tyrimus. Raktiniai žodžiai: betonas,gniuždomo betono stipris,neardomieji bandymai,dirbtiniai neuroniniai tinklai First Published Online: 14 Oct 2010
Application of artificial neural networks to determine concrete compressive strength based on non‐destructive tests
Hoła, Jerzy (Autor:in) / Schabowicz, Krzysztof (Autor:in)
31.03.2005
doi:10.3846/13923730.2005.9636329
Journal of Civil Engineering and Management; Vol 11 No 1 (2005); 23-32 ; 1822-3605 ; 1392-3730
Aufsatz (Zeitschrift)
Elektronische Ressource
Englisch
DDC:
690
| DOAJ | 2005
| BASE | 2005
Prediction of concrete compressive strength through artificial neural networks
| DOAJ | 2020
Reliability Estimation of the Compressive Concrete Strength Based on Non-Destructive Tests
| BASE | 2023