In the paper the neural network modelling approach was used to construct an ANNs model to investigate the influence of mix proportion on freeze–thaw GGBFS concrete internal cracking resistance. The simplest way to prevent the internal cracking due to freeze–thaw cycles is the good air-entrainment with an adequate air void spacing. The first step in developing the network was collecting the data set containing the information about mix proportion parameters, characteristics of physical structure of hardened concrete (absorption, permeability, compressive strength) and freeze–thaw durability test results obtained in laboratory using the method of polish standard PN-B-06250:1988. The collected data dealt with normal and high strength concretes made with cements: CEM I, CEM II/A,B-S and CEM III/A, air-entrained or not. The four classes of freeze–thaw durability were used in assessing the concrete resistance to internal cracking.
PL
W referacie przedstawiono rezultaty wybranych analiz wykonanych przy użyciu sztucznych sieci neuronowych aby zbadać wpływ składu betonu na jego mrozoodporność. Najprostszym sposobem zapewnienia mrozoodporności jest właściwe napowietrzenie z odpowiednim rozstawem porów powietrznych. Pierwszym etapem tworzenia sieci było zebranie informacji zawierających informację o składzie mieszanki betonowej, właściwościach fizycznych i strukturze wewnętrznej badanych betonów (absorpcja kapilarna, przepuszczalność, wytrzymałość na ściskanie) oraz przeprowadzenie testów mrozoodporności zgodnie z PN-B-06250:1988. Zebrane dane dotyczyły betonów wykonanych na cementach CEM I, CEM II/A,B-S i CEM III/A, napowietrzonych lub nienapowietrzonych. W zależności od straty wytrzymałości próbek zamrażanych metodą zwykłą PN po 150 cyklach zamrażania-rozmrażania wprowadzono pojęcie 4 klas mrozoodporności.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.