論文の概要: Predicting Confinement Effect of Carbon Fiber Reinforced Polymers on Strength of Concrete using Metaheuristics-based Artificial Neural Networks
- arxiv url: http://arxiv.org/abs/2403.13809v1
- Date: Fri, 22 Dec 2023 17:27:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 07:17:26.065140
- Title: Predicting Confinement Effect of Carbon Fiber Reinforced Polymers on Strength of Concrete using Metaheuristics-based Artificial Neural Networks
- Title（参考訳）: メタヒューリスティックスを用いたニューラルネットワークを用いた炭素繊維強化ポリマーのコンクリートの強度に及ぼす閉じ込め効果予測
- Authors: Sarmed Wahab, Mohamed Suleiman, Faisal Shabbir, Nasim Shakouri Mahmoudabadi, Sarmad Waqas, Nouman Herl, Afaq Ahmad,
- Abstract要約: 本稿では, メタヒューリスティックスに基づく人工ニューラルネットワークを用いた炭素繊維強化ポリマー(CFRP)のコンクリートシリンダー強度に対する閉じ込め効果の予測について述べる。
シリンダーの直径(d)と高さ(h)、コンクリートの未固着圧縮強度、封止コンクリートfccの究極圧縮強度を含む8つのパラメータについて、708CFRP密閉コンクリートシリンダーの詳細なデータベースを構築した。
PSOのハイブリッドモデルは, 最大精度99.13%のCFRP充填コンクリートシリンダの強度を予測し, GWOはその結果を予測した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article deals with the study of predicting the confinement effect of carbon fiber reinforced polymers (CFRPs) on concrete cylinder strength using metaheuristics-based artificial neural networks. A detailed database of 708 CFRP confined concrete cylinders is developed from previously published research with information on 8 parameters including geometrical parameters like the diameter (d) and height (h) of a cylinder, unconfined compressive strength of concrete (fco'), thickness (nt), the elastic modulus of CFRP (Ef), unconfined concrete strain confined concrete strain and the ultimate compressive strength of confined concrete fcc'. Three metaheuristic models are implemented including particle swarm optimization (PSO), grey wolf optimizer (GWO), and bat algorithm (BA). These algorithms are trained on the data using an objective function of mean square error and their predicted results are validated against the experimental studies and finite element analysis. The study shows that the hybrid model of PSO predicted the strength of CFRP-confined concrete cylinders with maximum accuracy of 99.13% and GWO predicted the results with an accuracy of 98.17%. The high accuracy of axial compressive strength predictions demonstrated that these prediction models are a reliable solution to the empirical methods. The prediction models are especially suitable for avoiding full-scale time-consuming experimental tests that make the process quick and economical.
- Abstract（参考訳）: 本稿では, メタヒューリスティックスに基づく人工ニューラルネットワークを用いた炭素繊維強化ポリマー(CFRP)のコンクリートシリンダー強度に対する閉じ込め効果の予測について述べる。
708CFRP拘束コンクリートシリンダーの詳細なデータベースを作成し, シリンダーの直径 (d) および高さ (h) などの幾何学的パラメータ, コンクリート(fco'), 厚み (nt), CFRP(Ef), 弾性率 (Ef), コンクリートひずみ拘束コンクリートひずみ, コンクリートfcc'の究極圧縮強度を含む8つのパラメータに関する情報を得た。
粒子群最適化(PSO)、グレーオオカミ最適化(GWO)、バットアルゴリズム(BA)の3つのメタヒューリスティックモデルが実装されている。
これらのアルゴリズムは平均二乗誤差の客観的関数を用いてデータに基づいて訓練され、その予測結果は実験と有限要素解析に対して検証される。
PSOのハイブリッドモデルでは、CFRP充填コンクリートシリンダーの強度を99.13%、GWOは98.17%と予測した。
軸圧縮強度予測の精度は、これらの予測モデルが実験手法の信頼性の高い解であることを示した。
予測モデルは、特に、プロセスが迅速かつ経済的になるような、フルスケールの時間を要する実験テストを避けるのに適している。
関連論文リスト
- Constrained composite Bayesian optimization for rational synthesis of polymeric particles [0.7499722271664147]
本研究では,制約付きおよび複合ベイズ最適化(CCBO)を統合し,ブラックボックス実現可能性制約の下で効率的な目標値最適化を行う。
CCBOは戦略的に不可能な条件を回避し、あらかじめ定義された大きさの目標に向けて効率的に粒子生産を最適化した。
実験では、ポリ(乳酸-コ-グリコール酸)粒子の300nmおよび3.0$mu$mの合理的合成を電気散布により導くためのCCBO機能を検証した。
論文 参考訳（メタデータ） (2024-11-06T14:40:03Z) - EPi-cKANs: Elasto-Plasticity Informed Kolmogorov-Arnold Networks Using Chebyshev Polynomials [0.0]
チェビシェフ型ネットワーク(EPi-cKAN)のエラスト可塑性について述べる。
EPi-cKANは、応力成分の予測に優れた精度を提供し、ブラインド三軸軸対称のひずみ制御荷重経路下での砂弾塑性挙動の予測に使用する場合、より良い精度を示す。
論文 参考訳（メタデータ） (2024-10-12T16:01:38Z) - See Further for Parameter Efficient Fine-tuning by Standing on the Shoulders of Decomposition [56.87609859444084]
パラメータ効率の細かいチューニング(PEFT)は、パラメータの選択したサブセットを最適化し、残りを固定し、計算とストレージのオーバーヘッドを大幅に削減することに焦点を当てている。
分解の観点からそれらを分離することで、すべてのアプローチを統一する第一歩を踏み出します。
本稿では,PEFT技術の性能向上を目的とした,単純かつ効果的なフレームワークとともに,新しい2つのPEFT手法を提案する。
論文 参考訳（メタデータ） (2024-07-07T15:44:42Z) - CogDPM: Diffusion Probabilistic Models via Cognitive Predictive Coding [62.075029712357]
本研究は認知拡散確率モデル(CogDPM)を紹介する。
CogDPMは拡散モデルの階層的サンプリング能力に基づく精度推定法と拡散モデル固有の性質から推定される精度重み付きガイダンスを備える。
我々は,Universal Kindomの降水量と表面風速データセットを用いた実世界の予測タスクにCogDPMを適用した。
論文 参考訳（メタデータ） (2024-05-03T15:54:50Z) - Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳（メタデータ） (2024-02-26T05:51:47Z) - Learning Accurate Performance Predictors for Ultrafast Automated Model
Compression [86.22294249097203]
フレキシブルネットワーク展開のための超高速自動モデル圧縮フレームワークSeerNetを提案する。
本手法は,探索コストを大幅に削減した競合精度・複雑度トレードオフを実現する。
論文 参考訳（メタデータ） (2023-04-13T10:52:49Z) - Development and Evaluation of Conformal Prediction Methods for QSAR [0.5161531917413706]
定量的構造活性相関モデル(QSAR)は、化合物の生物活性を予測するために一般的に用いられる手法である。
優れた予測性能を達成する機械学習(ML)アルゴリズムの多くは、予測の不確実性を推定するためのいくつかのアドオンメソッドを必要とする。
コンフォーマル予測(CP)は予測アルゴリズムに非依存であり、データ分布の弱い仮定の下で有効な予測間隔を生成できる。
論文 参考訳（メタデータ） (2023-04-03T13:41:09Z) - Machine Learning-based Prediction of Porosity for Concrete Containing
Supplementary Cementitious Materials [2.0254912065749955]
補充セメント材料を含む高性能コンクリートの気孔性予測にアンサンブル学習を適用した。
本発明のコンクリート試料は、w/b比、バインダー含有量、フライアッシュ、GGBS、スーパー可塑性剤、粗大/微細集合比、硬化条件、硬化日を含む8つの組成特徴を有することを特徴とする。
論文 参考訳（メタデータ） (2021-12-13T08:08:51Z) - Prediction of liquid fuel properties using machine learning models with
Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。
これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。
その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2021-10-18T14:43:50Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳（メタデータ） (2020-12-23T16:21:34Z) - High correlated variables creator machine: Prediction of the compressive
strength of concrete [0.0]
超音波パルス速度(UPV)とリバウンド数(RN)を用いてコンクリートの圧縮強度を予測する新しいハイブリッドモデルを提案する。
高相関変数生成機械(HVCM)は、出力との相関性の良い新しい変数を作成し、予測モデルを改善するために用いられる。
その結果, HCVCM-ANFISはコンクリートの圧縮強度を他のどのモデルよりも良く予測できることがわかった。
論文 参考訳（メタデータ） (2020-09-11T15:06:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。