Zastosowanie sztucznych sieci neuronowych w modelowaniu składu mieszanki betonów podwodnych

• Autorzy: Horszczaruk E. , Pietrusewicz K.

Warianty tytułu

EN

Application of artificial neuron networks (ANN) in modeling of underwater concrete mix.

• Języki publikacji: PL

Abstrakty

PL

Omówiono specyfikę projektowania mieszanki betonów podwodnych. Przedstawiono model neuronowy i przykład projektowania tej mieszanki.

EN

The designing of underwater concrete mix is discussed. The neurone and an example of designing this kind of are presented.

Słowa kluczowe

PL

sieć neuronowa; sieć sztuczna; projektowanie składu; mieszanka betonowa; beton podwodny; zastosowanie

• Wydawca: Fundacja Polskiego Związku Inżynierów i Techników Budownictwa
• Czasopismo: Inżynieria i Budownictwo
• Rocznik: 2005
• Tom: R. 61, nr 5
• Strony: 248--251
• Opis fizyczny: Bibliogr. 14 poz., il.

Twórcy

autor

Horszczaruk E.

• Politechnika Szczecińska

autor

Pietrusewicz K.

• Politechnika Szczecińska

Bibliografia

• [1] JSCE - Japan Society of Civil Engineers: Recommendations for Design and Construction of Anti-Washout Underwater Concrete. “Concrete Library of JSCE”, V. 19, 1992.
• [2] Baykasoglu A., Dereli T., Tanis S.: Prediction of cement strength using soft computing techniques. "Cement and Concrete Research", Vol. 34, 2004.
• [3] EI-Chabib H., Nehdi M., Sonebi M.: Artificial intelligence model for flowable concrete mixtures used in underwater construction and repair. "ACI Materials Journal", Mar./Apr. 2003.
• [4] Horszczaruk E., Pietrusewicz K.: Sztuczne sieci neuronowe w modelowaniu wpływu składu mieszanki na jakość betonów podwodnych. Materiały warsztatów "Badania symulacyjne w budownictwie", Gdańsk 2004.
• [5] Khayat K. H.: Viscosity - Enhancing Admixtures for Cement - Based Materials - An Overview. "Cement and Concrete Composites", 20/1998.
• [6] Khayat H. K., Sonebi M.: Effect of mixture Compositions on Washout Resistance of Highly Flowable Underwater Concrete. "ACI Materials Journal", Vol. 100, No. 2/2001.
• [7] Nehdi M., EI-Chabib H., EI-Naggar M. H.: Predicting performance of self-compacting concrete mixtures using artificial neural networks. "ACI Materials Journal", Sept./Oct. 2001.
• [8] Piegat A.: Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
• [9] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN, Warszawa-Łódź 1997.
• [10] Sonebi M., Khayat K. H.: Effect of Mixture Composition on Relative Strenght of Highly Flowable Underwater Concrete. "ACI Materials Journal", V.98, 3, 2001.
• [11] Yahia A., Khayat K. H.: Experimental design to evaluate interaction of high-range water-reducer and antiwashout admixture in high-performance cement grout. "Cement and Concrete Research", Vol. 31,2001.
• [12] Yao S. X., Gewerick B. C.: Underwater Concrete. Part 1: Design Concepts and Practices. “Concrete International”, No 1/2004.
• [13] Yao S. X., Gewerick B. C.: Underwater Concrete. Part 2: Proper mixture proportioning. “Concrete International”, No 2/2004.
• [14] Neural Network Toolbox for MATLAB v. 7.0. Manual.