PURPOSES : To enhance the accuracy of predicting the compressive strength of practical concrete mixtures, this study aimed to develop a machine learning model by utilizing the most commonly employed curing age, specifically, the 28-day curing period. The training dataset consisted of concrete mixture sample data at this curing age, along with samples subjected to a total load not exceeding 2,350 kg. The objective was to train a machine learning model to create a more practical predictive model suitable for real-world applications. METHODS : Three machine learning models—random forest, gradient boosting, and AdaBoost—were selected. Subsequently, the prepared dataset was used to train the selected models. Model 1 was trained using concrete sample data from the 28th curing day, followed by a comprehensive analysis of the results. For Model 2, training was conducted using data from the 28th day of curing, focusing specifically on instances where the total load was 2,350 kg or less. The results were systematically analyzed to determine the most suitable machine learning model for predicting the compressive strength of concrete. RESULTS : The machine learning model trained on concrete sample data from the 28th day of curing with a total weight of 2,350 kg or less exhibited higher accuracy than the model trained on weight-unrestricted data from the 28th day of curing. The models were evaluated in terms of accuracy, with the gradient boosting, AdaBoost, and random forest models demonstrating high accuracy, in that order. CONCLUSIONS : Machine learning models trained using concrete mix data based on practical and real-world scenarios demonstrated a higher accuracy than models trained on impractical concrete mix data. This case illustrates the significance of not only the quantity but also the quality of the data during the machine learning training process. Excluding outliers from the data appears to result in better accuracy for machine learning models. This underscores the importance of using high-quality and practical mixed concrete data for reliable and accurate model training.

세계적으로 환경에 대한 관심이 커지면서, 탄소 저감 및 탄소 중립을 위한 다양한 연구들이 진행되고 있다. 특히 최 근에는 탄소 포집 및 저장 기술인 CCS(Carbon Capture and Storage)에 주목이 높아졌다. 그뿐만 아니라, 대기 중의 탄소를 효과 적으로 저장하는 특성을 가진 바이오차는 탄소 중립에 기여할 수 있는 방안으로 다양한 연구가 진행되고 있다. 건설 산업에서 는 시멘트 대체재를 활용한 탄소 감소 관련 연구가 진행 중이며, 본 연구에서는 바이오차를 콘크리트 및 모르타르의 시멘트 대 체재로 활용하여 시멘트 사용량을 줄이고, 동시에 콘크리트 및 모르타르 내의 탄소를 포집하고 저장하여 탄소 배출량을 감소시 키고자 한다. 이를 위해 바이오차의 시멘트 치환율을 0%, 10%, 20%로 설정하고, 각각의 경우에 대해 콘크리트 및 모르타르의 슬럼프, pH 농도, 그리고 압축강도를 비교하였다.실험 결과에 따르면, 바이오차의 시멘트 치환율이 증가함에 따라 슬럼프와 압 축강도가 감소하는 경향을 보였으며, pH는 유사한 양상을 나타냈다.

This paper investigates the effects of aspect ratio and volume fraction of hooked-end normal-strength steel fibers on the compressive and flexural properties of high-strength concrete with specified compressive strength of 60 MPa. Three types of hooked-end steel fibers with aspect ratios of 64, 67 and 80 were considered and three volume fractions of 0.25%, 0.50% and 0.75% for each steel fiber were respectively added into each high-strength concrete mixture. The test results indicated that the addition of normal-strength steel fibers is effective to improve compressive and flexural properties of high-strength concrete but fiber aspect ratio had little effect on the modulus of elasticity and compressive strength. As steel fiber content and aspect ratio increased, flexural beahvior of notched high-strength concrete beams was effectively improved.

본 연구에서는 양생물주기 및 보양을 하지 않은 구조체의 압축강도와 표준 양생 공시체의 압축강도를 비교 평가하였 다. 코어채취를 위해서 980x2090x200mm3 철근콘크리트 슬래브를 준비하였으며, 콘크리트 공시체 25개를 KS F 2405에 따라서 표준 양생, 20개를 구조체와 동일한 환경에서 대기중 양생을 하였다. 실험 결과, 28일 표준공시체 압축강도 대비 코어 채취 압 축강도는 약 4MPa 낮게, 대기중 양생 공시체의 압축강도는 약 7.6MPa 낮게 측정되었다. KCS에서는 양생기간의 온도가 낮을 경 우 온도보정강도를 제시하고 있으며, 실험결과로부터 제시된 값이 적정함을 확인하였다. 7일, 14일에 측정된 대기중 공시체의 압축강도는 코어채취 공시체의 압축강도와 유사하였지만, 28일 압축강도는 현저하게 차이가 나타났다. 초기 구조체의 초기 압축 강도 예측에 대기양생 공시체를 이용하는 것은 가능하지만, 28일 압축강도를 추측하는데 대기중 양생 공시체를 사용하는 것은 무리가 있다고 판단된다.

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.

일반적으로 콘크리트는 골재, 모래, 시멘트, 담수, 혼합재 등 다양한 재료로 구성되어있으며 재령에 따라서 강도가 증 가한다. 콘크리트에 필요한 각 재료의 비율은 혼합 설계를 통해 결정되지만, 콘크리트의 강도는 실험적으로 측정되기 전까지는 알 수 없다. 이러한 한계를 극복하기 위해 실험을 통해 얻은 데이터를 이용하여 콘크리트의 압축 강도를 예측하기 위해 통계수 학과 기계학습 알고리즘을 이용한 많은 연구가 시도되었다. 이전의 연구는 콘크리트 압축 강도 예측에 신경망 기법이 가장 적 합하다고 제안하였다. 그러나 신경망 기법은 다른 기계학습과 비교하여 모델 학습에 계산 비용이 많이 들어 실제로 적용하기 어려운 문제점이 있다. 최근 몇 년 동안 다양한 회귀 분석 모델이 개발되었으므로 본 연구에서는 신경망 대신 최신 회귀 분석 모델을 이용하여 콘크리트 강도 예측모델을 제시하였다. 이를 위해 최근 개발된 회귀 분석 모델에 대한 교차검증을 시행하여 최적의 모델을 선정하였다. 그리드 검색을 통하여 선정된 각 모델의 하이퍼 파라미터를 최적화하고, 국내외 데이터를 활용하여 기계학습 모델을 훈련하고 검증하였다. 이들 중 CatBoost, LGBMR, RFR, XGBoost 회귀모델이 높은 성능을 보여주었다. 특히 그 중에서 XGBoost 회귀 분석 모델이 가장 작은 오차와 높은 정확도를 보여주었다. 이들 중 오류가 가장 큰 LGBMR 모델도 이전 연구에서 제안된 신경망 및 앙상블 모델보다 성능이 우수하였다. 현장 레미콘 콘크리트에 대한 압축 강도 예측을 시행하여 학 습된 모델의 현장 적용 가능성을 확인하였다.

Concrete masonry prisms are strengthened with steel fiber-reinforced mortar (SFRM) overlay and tested for compressive and diagonal tension strength. Masonry prisms are produced in poor condition considering standard workmanship for masonry buildings in Korea. Amorphous steel fibers are adopted for SFRM, and appropriate mixing ratios of SFRM are derived considering constructability and strength. Masonry prisms are strengthened with different fiber volume ratios, while numerous strengthened faces and additional reinforcing meshes are produced for compression and diagonal tension tests. Compression and diagonal tension strength are increased by up to 122% and 856%, respectively, and the enhancement effect for diagonal tension strength was superior compared to compression strength. Finally, the test results and strength prediction equations based on existing literature and regression analysis are compared.

천연골재의 부족으로 골재 수급이 날이 갈수록 심각해지면서 재활용 가능한 재료에 대한 사회적 관심이 높아지고 있다. 하지만 국내에서는 선진외국에 비해 순환골재에 대한 연구데이터와 그를 사용한 현장 적용실정이 매우 부족한 실정이다. 본 논문에서는 현장에서 사용하는 레미콘 사의 가이드 배합에 순환골재를 전량 치환하는 배합비를 추출하여 압축강도를 평가하였 고 추출된 배합비의 순환골재 콘크리트를 원형강관 내부에 충전하여 순환골재콘크리트충전 합성기둥이 국내ㆍ국외 설계식을 반 영한 내력과 비교하여 구조부재로써 사용이 적합하다고 사료되는 결과를 얻었다. 또한, 강관의 콘크리트 구속효과로 인해 강관 내부의 콘크리트 강도가 미세하게 증가함을 확인하였다.

정확도 높고, 실용적으로 손쉽게 사용될 수 있는 온수양생 방법을 표준화하고 이를 통한 콘크리트 압축강도 예측방법을 제시하고자 변수 실험을 진행하였다. 전양생 시간, 온수양생 온도, 온수양생 시간에 대한 변수실험을 통해 18시간 전양생 시간, 70℃ 온수양생 온도, 24시간 온수양생시간의 온수양생시험 표준 조건을 제시하였다. 온수양생시험 표준 조건에 대한 추가적인 배합시험을 통해 콘크리트의 압축강도를 조기에 산정할 수 있는 선형 추정식을 산정하였고, 압축강도 추정식의 높은 신뢰도를 확인하였다. 또한, 혼화재 종류 및 혼화재 치환율 변수에 대한 온수양생시험을 통해 온수양생을 통한 콘크리트 압축강도 조기 추정방법은 시멘트 종류, 혼화재 종류 및 치환율, 골재의 종류가 동일한 배합에 대해서만 그 적용이 가능하다는 결론을 도출하였다.

The contemporary high-tech structures have become enlarged and their functions more diversified. Steel concrete structure and composite material structures are not exceptions. Therefore, there have been on-going studies on fiber reinforcement materials to improve the characteristics of brittleness, bending and tension stress and others, the short-comings of existing concrete. In this study, the purpose is to develop the estimated model with dynamic characteristics following the steel fiber mixture rate and formation ration by using the nerve network in mixed steel fiber reinforced concrete (SFRC). This study took a look at the tendency of studies by collecting and analyzing the data of the advanced studies on SFRC, and facilitated it on the learning data required in the model development. In addition, by applying the diverse nerve network model and various algorithms to develop the optimal nerve network model appropriate to the dynamic characteristics. The accuracy of the developed nerve network model was compared with the experiment data value of other researchers not utilized as the learning data, the experiment data value undertaken in this study, and comparison made with the formulas proposed by the researchers. And, by analyzing the influence of learning data of nerve network model on the estimation result, the sensitivity of the forecasting system on the learning data of the nerve network is analyzed.

일반골재인 자갈, 모래와 중량골재인 산화 슬래그 및 자철광을 이용하여 5 종류의 콘크리트를 제작하여 감마선 차폐특성과 압축강도를 살펴보았다. 골재는 평균적인 크기에 따라 비교적 작은 크기의 잔골재와 큰 크기의 굵은 골재로 구분하여 사용하였다. 실험 결과 산화 슬래그 잔골재와 굵은 골재를 사용한 콘크리트가 일반 골재만을 이용하여 배합한 콘크리트 시 편보다 137Cs 감마선에 대해 2% 향상된 감쇠계수인 0.371 cm-1을 기록하였다. 각 시편들의 단위중량을 측정한 결과 자철광 잔골재와 산화 슬래그 굵은 골재로 배합한 조건의 단위중량이 가장 높은 3,175 kg·m-3이었다. 산화슬래그를 잔골재와 굵은 골재로 배합한 조건의 단위중량은 3,052 kg·m-3으로 최대 단위중량 조건보다 123 kg·m-3 낮았지만 감쇠계수는 오히려 0.012 cm-1 향상되었다. 골재들의 화학성분 분석결과 산화 슬래그는 자철광에 비해 마그네슘의 비율은 낮고 칼슘의 비율은 높아 구성에 있어서 차이를 보였다. 따라서 산화슬래그만을 골재로 사용한 경우 자철광을 잔골재로 사용한 경우보다 단위 중량은 낮았지만 마그네슘과 비교하여 원자번호가 큰 칼슘의 비율이 높아서 감마선 차폐성능이 향상된 것으로 생각된다. 중량골재가 배합된 모든 시편들은 일반 골재를 이용한 콘크리트보다 압축강도가 높았고, 산화슬래그와 자철광의 잔골재만을 사용한 경우 4주 양생 후 압축강도가 일반 콘크리트에 비해 45% 향상된 50.2 MPa을 기록하였다.

More Roller-compacted concrete (RCC) is a dry concrete consisted of same materials as conventional concrete with different proportioning which requires compaction effort in order to reach its final form. Thus, both hydration and aggregate interlock play important roles in its strength augmentation. Flexural strength, an important factor in pavement design and fatigue cracking resistance, can be difficult to be obtained at in-situ and may be subjected to high variability. Even though its compressive strength is relatively high compared to conventional concrete with similar binder content, the relationship between compressive strength and flexural or tensile strength were not well defined. The goal of this research is to compare the relationship between compressive strength and flexural strength as well as the relationship between compressive strength and splitting tensile strength of RCC with those of conventional concrete using various equations suggested in other researches and also to determine new regression equations for estimating RCC’s flexural and splitting tensile strength. The positive result of RCC’s flexural strength was found; it was higher than majority of predicted values from conventional concrete for the same compressive strength. In contrast, RCC’s splitting tensile strength was relatively low compared to that of conventional concrete for the same compressive strength. Power equations were learned to be suitable for relationship between compressive and flexural strengths as well as relationship between compressive and splitting tensile strengths.

In this study, expedite curing period at curing temperature being 40, 60, 80℃ similar to strength of standard 28days curing temperature to confirm methods and applicability of early estimation of strength by warm water curing. Also, checked the effect related to different conditions such as using various kinds of material, differentiating quantity of material, with or without fiber mixing at same rate of water-bonding material. Existing method proposed by KS and JIS to estimate strength of 28 days standard curing temperature curing for 7days at 40℃ is not relevant because it takes so long to estimate strength. Already known method of estimating strength of 28days standard curing temperature curing for 3days in 60℃ warm water, too, is not relevant to apply 3day cycle of super high-rise. It also had the problem which didn’t consider fiber mixed concrete. According to the result of experiment, traits and rate of strength revelation were different relating to the kinds and quantity of bonding material. Strength value of mix without fiber was higher than that of mix with fiber, but without any relation to that, over 96% of similar confidence level with strength of 28 days standard curing temperature was shown in 7 days at 40℃, 3 days at 60℃, 2days at 80℃. Confidence level of estimation method of 2 days at 80℃ was similar to those of estimation methods of 4 days at 40℃, 3 days at 60℃, so it(2 days at 80℃) is regarded as the most relevant method because it’s possible to estimate strength fastly. As a result it can be said that early quality control of recently increasing super high-rise may be possible through estimation method of 2 days at 80℃.

In this study, prediction of later-age compressive strength of ultra-high strength concrete, based on the accelerated strength of concrete cured in hot water was investigated. Comparing other acceleration method, hot water curing method is relatively easy and intuitive to use in the real construction site. The amount of time for evaluation of the concrete strength using the hot water curing method in KS and JIS is too long to predict the strength of the ultra-high strength concrete that are used in the tall building structure. For that reason, curing temperature of 40, 50, 60℃ 3 levels were examined to shorten the amount of time for the evaluation of the strength. When curing in warm water, different strength characteristics are verified from the experiment. In case of F3 substituting 30% fly ash in combination, because of the curing temperature sensitivity of fly ash, differences of strength expression velocity was verified according to the curing temperature at the same age. In case of B4 substituting 40% ground granulated blast furnace slag, there were no big strength expression velocity differences of the specimen cured in 3 different level of curing temperature(40, 50, 60℃). The results show reliable accuracy by regression relation between 28day strength cured by standard curing method and accelerated strength of concrete cured in warm water.(y=1x-0.0002 R2=0.9866) As a result, the feasibility of 3day-prediction was confirmed using warm water curing method with accelerated strength of concrete cured for three days in warm water.