Doświadczalne badania i modelowanie wytrzymałości BWW, wytwarzanego z dwuskładnikowych i trójskładnikowych spoiw

• Autorzy: Erdem T. K. , Tayfur G. , Kirca O.

Warianty tytułu

EN

Experimental and modelling study of strength of high strength concrete containing binary and ternary binders

• Języki publikacji: PL

Abstrakty

PL

Badano doświadczalnie wytrzymałość próbek betonu o wysokiej wytrzymałości, otrzymanych z dwuskładnikowych i trójskładnikowych spoiw oraz przeprowadzono próbę ich prognozowania za pomocą trzech modeli. Spoiwa dwuskałdnikowe składały się z cementu portlandzkiego, popiołu lotnego, lub z białego cementu portlandzkiego oraz metakaolinitu. Niektóre ze spoiw trójskładnikowych zawierały ponadto, oprócz cementu portlandzkiego i popiołu lotnego, popiół lotny krzemionkowy lub wapienny lub zmielony, granulowany żużel wielkopiecowy. Jeszcze inne spoiwa zawierały biały cement portlandzki, metakaolinit i zmielony pumeks. Próbki betonów przygotowano w laboratorium stosując różną zawartość spoiwa o zmiennym składzie. Doświadczalne wyniki pokazały, że popiół lotny i metakaolinit, zastosowane w odpowiedniej ilości, powodują znaczne zwiększenie wytrzymałości, w przypadku betonów ze spoiw dwuskładnikowych. Także popioły lotne: krzemionkowy i wapienny oraz żużel, jako trzeci składnik w spoiwach trójskładnikowych, również zwiększały wytrzymałość, podczas gdy dodatek pumeksu nie wiązał się ze wzrostem tej właściwości w przypadku białych betonów z białego cementu i metakaolinitu. Zastosowano trzy modele do prognozowania wytrzymałości. Były to: sztuczne sieci neuronowe, wielokrotna analiza regresji liniowej oraz nieliniowa wielokrotna analiza regresji. Dokładność tych modeli sprawdzono za pomocą analizy błędów. Stwierdzono, że można prognozować z dobrą dokładnością wytrzymałość próbek betonu wszystkimi trzema modelami. Jednak sztuczne sieci neuronowe oraz nieliniowa wielokrotna analiza regresji dają porównywalne wyniki i lepszą dokładność prognozowania niż liniowa wielokrotna analiza regresji, szczególnie w przypadku spoiw trójskładnikowych.

EN

The strength of high strength concrete (HSC) produced from binary and ternary binders was investigated experimentally and a modelling study was done. Binary blends were composed of Portland cement (PC) + silica fume (SF) or white portland cement (WPC) + high reactivity metakaolin (HRMK). Some of the ternary blends contained PC, SF and a third binder which was either fly ash class F (FA/F), or class C (FA/C) , or ground granulated blastfurnace slag (S). Some others contained WPC, HRMK and ground pumice (P). The HSC samples were prepared in laboratory by varying the total binder content and binder type. The experimental results show that, in the case of concretes from binary binders, SF and HRMK used in proper amounts caused the significantly increase of strength. FA/F, FA/C and S, as a third binder in ternary blends, also increased strength whereas P addition does not contribute to the strength increase in white concrete from WPC and HRMK. Three methods were used to predict some of the measured experimentally strength. There are: artificial neural network (ANN), multiple linear regression analysis (MLR) and nonlinear multiple regression analysis (NLMR). The accuracy of prediction was tested by error analyses. It was found that the strength of the concrete samples can be successfully predicted by all three methods. However, ANN and NLMR gave comparable results and predicted the strength better than MLR, especially for the ternary binders.

Słowa kluczowe

PL

beton wysokiej wytrzymałości; spoiwo dwuskładnikowe; spoiwo trójskładnikowe; modelowanie składu; badanie doświadczalne

EN

high strength concrete; binary binder; ternary binder; composition modelling; experimental study

• Wydawca: Fundacja Cement, Wapno, Beton
• Czasopismo: Cement Wapno Beton
• Rocznik: 2011
• Tom: R. 16/78, nr 4
• Strony: 224--237
• Opis fizyczny: Bibliogr. 28 poz., il.

Twórcy

autor

Erdem T. K.

autor

Tayfur G.

autor

Kirca O.

• Department of Civil Enginerring, Izmir Institute of Technology, Izmir, Turkey

Bibliografia

• 1. Ö. Kırca, M. Şahin, T. K. Erdem, Corrosion resistance of white Portland cement: The effects of pozzolanic admixtures, in: IXth ICCP International corrosion symposium and exhibition, pp. 432-440, Ankara, Turkey 2004.
• 2. J. T. Ding, Z. Li, Effects of metakaolin and silica fume on properties of concrete, ACI Mater J 99, pp. 393-398 (2002).
• 3. C. S. Poon, L. Lam, S. C. Kou, Y. L. Wong, R. Wong, Rate of pozzolanic reaction of metakaolin in high-performance cement pastes, Cem. Concr. Res. 31, pp. 1301-1306 (2001).
• 4. R. Şahin, R. Demirboğa, H. Uysal, R. Gül, The effects of different cement dosages, slumps and pumice aggregate ratios on the compressive strength and densities of concrete, Cem. Concr. Res. 33 (2003) 1245-1249 (2003).
• 5. D. Sarı, O. Çankıran, A. Sarışik, The optimum granulometry of the pumice aggregate at which the admixture is effective, in: Cement and Concrete Technology in the 2000's, pp.134-143, İstanbul, Turkey 2000.
• 6. V. M. Malhotra, A. A. Ramezanianpour, Fly ash in concrete. CANMET, Ottawa 1994.
• 7. S. Mindess, J. F. Young, D. Darwin, Concrete, Prentice-Hall Englewood Cliffs(NJ), 2003.
• 8. R. P. Khatri, V. Sirivivatnanon, W. Gross, Effect of different supplementary cementitious materials on mechanical properties of high performance concrete, Cem. Concr. Res. 25, pp. 209-220 (1995).
• 9. D. M. Roy, Hydration of blended cements containing slag, fly ash, or silica fume, in: Proceedings of meeting institute of concrete technology, Coventry, pp. 29-31, UK 1987.
• 10. A. M. Neville, Properties of concrete, Essex: Pearson Education Asia Pte Ltd, 2000.
• 11. P. K. Mehta, O. E. Gjørv, Properties of portland cement concrete containing fly ash and condensed silica fume, Cem. Concr. Res. 12, pp, 587-595(1982).
• 12. C. Ozyildirim, W. J. Halstead, Improved concrete quality with combinations of fly ash and silica fume, ACI Mater J 91, pp. 587-594 (1994).
• 13. M. D. A. Thomas, M. H. Shehata. S. G. Shashiprakash, D. S. Hopkins, K. Cail, Use of ternary cementitious systems containing silica fume and fly ash in concrete, Cem. Concr. Res. 29, pp. 1207-1214 (1999).
• 14. D. S. Lane, C. Ozyildirim, Preventive measures for alkali-silica reactions (binary and ternary systems), Cem. Concr. Res. 29, pp. 1281-1288(1999).
• 15. K. Tan, X. Pu, Strengthening effects of finely ground fly ash, granulated blast furnace slag, and their combination, Cem. Concr. Res. 28, pp, 1819-1825 (1998).
• 16. G. Li, X. Zhao, Properties of concrete incorporating fly ash and ground granulated blast-furnace slag, Cem. Concr. Comp. 25, pp. 293-299 (2003).
• 17. L. Jianyong, T. Pei, Effect of slag and silica fume on mechanical properties of high strength concrete, Cem. Concr. Res. 27, pp. 833-837 (1997).
• 18. M. R. Jones, R. K. Dhir, B. J. Magee, Concrete containing ternary blended binders: resistance to chloride ingress and carbonation, Cem. Concr. Res. 27, pp. 825-831 (1997).
• 19. A. L. A. Fraay, J. M. Bijen, Y. M. de Haan, The reaction of fly ash in concrete: a critical examination, Cem. Concr. Res. 19, pp. 235-246 (1989).
• 20. ACI Committee 211. Guide for selecting proportions for high strength concrete with Portland cement and fly ash, ACI Mater J 90, pp. 272-283 (1993).
• 21. İ. B Topçu, M. Sarıdemir, Prediction of compressive strength of concrete containing fly ash using artificial neural networks and fuzzy logic, Computational Materials Science 41, pp. 305-311 (2008).
• 22. N. Hong-Guang, W. Ji-Zong, Prediction of compressive strength of concrete by neural networks, Cem. Concr. Res. 30, pp. 1245-1250 (2000).
• 23. A. Öztaş, M. Pala, E. Özbay, E. Kanca, N. Çağlar, M, A. Bhatti. Predicting the compressive strength and slump of high strength concrete using neural network, Constr. Build. Mater, 20, pp. 769-775 (2006).
• 24. I. C. Yeh, Modeling of strength of high-performance concrete using artificial neural networks, Cem. Concr. Res. 28, pp. 1797-1808 (1998).
• 25. W. P. S. Dias, S. P. Pooliyadda, Neural networks for predicting properties of concretes with admixtures, Constr. Build. Mater. 15, pp. 371-379 (2001).
• 26. J. Kasperkiewicz, J. Racz, A. Dubrawski, HPC strength prediction using artificial neural network, ASCE J. Comput. Civil. Eng. 9, pp. 279-284 (1995).
• 27. T. K. Erdem, Ö. Kırca, Use of binary and ternary blends in high strength concrete. Constr. Build. Mater., 22, pp. 1477-1483 (2008).
• 28. The ASCE Task Committee on Application of Artificial Neural Networks in Hydrology, Artificial Neural Networks in Hydrology I: Preliminary Concepts, J. Hydrologic. Eng., 5, pp. 115-123 (2000).