PURPOSES : In this study, an optimal model for compressive strength prediction was derived by learning and directly comparing several machine learning models based on the same data. METHODS : Approximately 478 pieces of concrete compressive strength data were obtained to compare the performance of the machine learning models. In addition, five machine learning models were trained based on the obtained data. The performance of the learned model was compared using three performance indicators. Finally, the performance of the model trained using additional data was reviewed. RESULTS : As a result of comparing the performance of machine learning models, the XGB(eXtra Gradient Boost) model showed the best performance. In addition, as a result of the verification based on additional data, highly reliable results can be obtained if the XGB model is used to predict the compressive strength of concrete. CONCLUSIONS : If a concrete strength prediction model is derived based on a machine learning model, a highly reliable model can be derived.

PURPOSES : The purpose of this study is to investigate the tendency of material property estimation under different concrete distress conditions and curling conditions when non-destructive tests such as rebound hammer and surface deflection test are applied to concrete pavement. METHODS : Nondestructive tests using Schmidt hammer and Falling Weight Deflectometer were performed to inspect the expressway concrete pavements constructed more than 20 years ago. Some results were compared with core tested elastic modulus and compressive strength. RESULTS : As a result of the rebound test, the section with Alkali-Silica Reaction(ASR) distress was outside the range of the existing estimation formula, but the control section was found to be within the range of the existing estimation formula. As a result of the physical property estimation through deflection test, the section with ASR distress showed greater fluctuations in the estimated material properties and deflection ratio compared to the control section, showing that the ASR damage seems to affect the slab deflection behavior. CONCLUSIONS : The rebound test may not sufficiently reflect the decline in material properties due to concrete damage. The deflection test can obtain results that reflect the deterioration of material properties, but it was confirmed that significant variability may occur, so it seems to necessary to perform complementary indoor core tests with nondestructive testing(NDT) tests.

미세구조 특성의 불확실성은 재료 특성에 많은 영향을 준다. 시멘트 기반 재료의 공극 분포 특성은 재료의 역학적 특성에 큰 영향을 미치며, 재료에 랜덤하게 분포되어 있는 많은 공극은 재료의 물성 예측을 어렵게 한다. 공극의 특성 분석과 재료 응답 간의 상관관계 규명에 대한 기존 연구는 통계적 관계 분석에 국한되어 있으며, 그 상관관계가 아직 명확히 규명되어 있지 않다. 본 연구에서는 합성곱 신경망(CNN, convolutional neural network)을 활용한 이미지 기반 데이터 접근법을 통해 시멘트 기반 재료의 역학적 응답을 예측하 고, 공극분포와 재료 응답의 상관관계를 분석하였다. 머신러닝을 위한 데이터는 고해상도 마이크로-CT 이미지와 시멘트 기반 재료의 물성(인장강도)로 구성하였다. 재료의 메시 구조 특성을 분석하였으며, 재료의 응답은 상장균열모델(phase-field fracture model)에 기 반을 둔 2D 직접 인장(direct tension) 유한요소해석 시뮬레이션을 활용하여 평가하였다. 입력 이미지 영역의 기여도를 분석하여 시편 에서 재료 응답 예측에 가장 큰 영향을 미치는 영역을 CNN을 통하여 식별하였다. CNN 과정 중 활성 영역과 공극분포를 비교 분석하 여 공극분포특성과 재료 응답의 상관관계를 분석하여 제시하였다.

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.

There has been increasing interest in UHPC (Ultra-High Performance Concrete) materials in recent years. Owing to the superior mechanical properties and durability, the UHPC has been widely used for the design of various types of structures. In this paper, machine learning based compressive strength prediction methods of the UHPC are proposed. Various regression-based machine learning models were built to train dataset. For train and validation, 110 data samples collected from the literatures were used. Because the proportion between the compressive strength and its composition is a highly nonlinear, more advanced regression models are demanded to obtain better results. The complex relationship between mixture proportion and concrete compressive strength can be predicted by using the selected regression method.

Impact damage tolerance is an important design requirement for composite structures. In this study, the effect of post impact damage and hole size of the composite sandwich skin / sandwich with core specimen on compressive strength of the laminate was analyzed. Three specimen tests were performed in this research. Two tests were carried out on pure bending test specimens subjected to impact damage to the skin and specimen with a hole in one of its skin as a damage. Through this test, we compared the reduction of compressive strength due to the size of skin damage and the size of the hole. Also, core-free specimen with an open hole under uniaxial loading were tested to produce reference data for comparison with the series tested earlier. As results of the tests, the sandwich beams with damage size and open hole are almost identical, and we concluded that the prediction of compressive strength reduction after impact of the sandwich skin structure can be predicted using an analytical model assuming skin open hole as impact inputs.

본 논문에서는 교량, 선박 등에 사용하고 해양환경을 고려한 알루미늄 합금(A6082-T-6) 플레이트 거더의 물리적 관계를 살펴보고자 한다. 플레이트 거더는 제품수명주기에 이동하중, 적재하중 등 같은 패치로딩을 경험하게 된다. 이 하중을 받는 알루미늄합금 플레이트 거더의 최종강도에 대해 다수 수치모형을 적용하여 탄소성 대변형 시리즈 해석을 수행하고 회귀분석을 통해 예측식을 제안하였다. 예측식은 최종강도와 세장변수의 상관관계로 나타냈으며 세장변수가 낮을 경우(0-2.3) 약 9 % 정도 오차가 발생하며 높을 경우(2.3-4.0) 약 1-2 % 정도 오차가 발생하였다. 따라서 제안 예측식 적정성은 합리적으로 평가할 수 있는 것으로 확인되었다.

Over the past few decades, high-nitrogen austenitic steels have steadily received greater attention since they provide a unique combination of high strength and ductility, good corrosion resistance, and non-magnetic properties. Recently, highnitrogen 18Mn-18Cr austenitic steels with enhanced strength have been developed and widely used for generator retaining rings in order to prevent the copper wiring from being displaced by the centrifugal forces occurring during high-speed rotation. The high-nitrogen austenitic steels for generator retaining ring should be expanded at room temperature and then stress relief annealed at around 400˚C to achieve the required mechanical properties. In this study, four kinds of high-nitrogen 18Mn-18Cr austenitic steels with different nitrogen content were fabricated by using a pressurized vacuum induction melting furnace, and then the effects of nitrogen content, cold working, and stress relieving on tensile properties were investigated. The yield and tensile strengths increased proportionally with increasing nitrogen content and cold working, and they further increased after stress relieving treatment. Based on these results, a semi-empirical equation was proposed to predict the tensile strength of highnitrogen 18Mn-18Cr austenitic steels for generator retaining rings. It will be a useful for the effective fabrication of high-nitrogen 18Mn-18Cr austenitic steels for generator retaining rings with the required tensile properties.

이 연구에서는 선행연구의 녹차-목재섬유 복합보드에 부가하여, 목제품 생산 후 발생하는 부산물인 편백나무 톱밥의 효율적인 이용과 건축내장재로의 응용을 목표로 목재섬유와 편백톱밥 및 녹차를 혼합한 복합보드를 제조하여 동적탄성률에 미치는 톱밥 및 녹차 배합비율의 영향 및 동적탄성률로부터 정적 휨강도성능의 예측가능성을 평가하였다. 목재섬유-톱밥-녹차 복합보드의 동적탄성률은 1.41~1.65 GPa의 범위에 있었고, 목재섬유: 톱밥: 녹차의 배합비율 50 : 40 : 10에서 가장 높은 값을 나타내었다. 이 값은 정적 휨 탄성계수의 1.4~1.6배의 높은 값을 나타내었고, 녹차-목재섬유복합보드보다 2.0~2.9배 낮은 값을 나타내었다. 동적탄성률과 정적 휨 강도성능과의 상관회귀에서는 일부 예외를 제외하고 대부분 매우 높은 상관계수가 확인되어, 양단자유 휨 진동에 의한 동적탄성률로부터 정적 휨강도성능의 예측이 비파괴적으로 가능할 것으로 사료된다.

철근콘크리트 부재의 전단거동에 대한 오랜 연구에 의하여 이에 대한 다양한 이론모델들과 제안식들이 존재한다. 그러나 전판거동의 메커니즘이 복잡하고 영향을 미치는 요소들이 많아서 이론모델들은 대부분 매우 복잡한 경향이 있고, 실험에 의한 제안식들은 제한된 범위내의 실험변수에 대해서만 유효한 경우가 많다. 이러한 문제점을 해결할 수 있는 대안의 하나로써 인공신경망이 여러 연구자들에 의하여 제안되어 왔으며, 본 논문에서는 인공신경망을 이용하여 전단보강근이 없는 철근콘크리트 보의 전단강토를 예측하였다 특히, 기존의 전단실험결과를 광범위하게 모아 구축한 데이타베이스를 활용함으로써 넓은 범위의 구조변수들을 포함한 다양한 부재들을 인공신경망의 훈련자료로 이용하였고, 인공신경망에 의한 전단강토 예측 결과를 ACI의 규준식, Zsutty, Okamura의 제안식들과도 비교 분석하였다. ACI의 규준식은 전단보강근이 없는 철근콘크리트 부재에 대해서 매우 부정확한 전단강도를 제공하였으며, Zsutty의 제안식은 ACI의 규준식에 비해 향상된 예측 결과를 보였으나 부재의 크기효과를 반영하지 못하였다. Okamura의 제안식은 주요 변수들의 영향을 비교적 잘 반영하여 상당히 정확하면서도 안정적인 전단강토를 제공하였다 이에 비해 인공신경망은 실험 결과에 가장 근접한 부재의 전단강도를 제공함으로써, 다양한 변수들의 영향을 매우 정확하게 반영할 수 있는 것으로 나타나서 인공신경망이 전단강도와 같이 메커니즘이 복잡하고 영향을 끼치는 변수들이 많은 다른 구조적 거동이나 강도를 예측하는데 매우 적절한 수단을 제공할 수 있음을 보여주었다.통합에 사용될 수 있음을 보였다. 구현하였다. 분포면적은 최근 25년간 총 2,893ha에 이르는 얕은 습지의 매립으로 인해 크게 변화하고 있으며 하구를 찾는 수금류의 분포, 환경수용력 등과 크게 상관성이 있어 앞으로 심도 있는 연구가 더욱 필요하다.에서 단정도실수 및 배정도실수의 역수 제곱근 계산에 필요한 평균 곱셈 횟수를 계산한다 이들 평균 곱셈 횟수를 종래 알고리즘과 비교하여 본 논문에서 제안한 알고리즘의 우수성을 증명한다. 본 논문에서 제안한 알고리즘은 오차가 일정한 값보다 작아질 때까지만 반복하므로 역수 제곱근 계산기의 성능을 높일 수 있다. 또한 최적의 근사 역수 제곱근 테이블을 구성할 수 있다. 본 논문의 연구 결과는 디지털 신호처리, 컴퓨터 그라픽스, 멀티미디어, 과학 기술 연산 등 부동소수점 계산기가 사용되는 분야에서 폭 넓게 사용될 수 있다.순으로 좋게 평가되었다. 결론적으로 감농축액의 첨가는 당과 탄닌성분을 함유함으로써 인절미의 노화를 지연시키고 저장성을 높이는데 효과가 있는 것으로 생각된다. 또한 인절미를 제조할 때 찹쌀가루에의 감농축액을 첨가하는 것이 감인절미의 색, 향, 단맛, 씹힘성이 적당하고 쓴맛과 떫은맛은 약하게 느끼면서 촉촉한 정도와 부드러운 정도는 강하게 느낄수 있어서 전반적인 기호도에서 가장 적절한 방법으로 사료된다.비위생 점수가 유의적으로 높은 점수를 나타내었다. 조리종사자의 위생지식 점수와 위생관리 수행수준의 상관관계를 조사한 결과, 위생지식

건축 구조물이 초고층화, 대형화, 특수화 되어감에 따라 고강도 재료의 사용이 증대되고 있으며, 고강도 재료가 사용된 철근콘크리트 보의 전단강도를 타당하게 예측할 수 있는 해석모델이 반드시 필요하다. 본 연구에서는 고강도 철근이 사용된 철근콘크리트 보의 전단강도를 타당하게 예측할 수 있는 트러스 모델을 제안한다. 고강도 철근이 사용된 철근콘크리트 보의 전단강도에 대한 제안된 모델인 TATM의 타당성을 검토하기 위하여 총 107개 보의 실험결과를 수집하였으며, TATM 및 기존 트러스 모델의 전단강도 해석결과를 이들 실험결과와 비교하였다. 비교 결과, TATM은 다른 트러스 모델보다 실험결과를 더 잘 예측하였으며, TATM의 해석결과에 대한 실험결과의 비는 인장철근과 전단 철근의 항복강도에 거의 관계없이 일정하였다.

팻취 보강된 철근콘크리트 구조물 해석을 위한 p-version 비선형 유한요소 모델이 제시되었다. 이방성 적층평판이론에 기초를 둔 제안된 모델은 Total Lagrangian기법에 기초한 von Karman의 대변형-소변형률 이론과 증분소성이론(incremental theory of plasticity)을 적용하였다. 콘크리트의 경화법칙(hardening rule)과 그에 따른 파괴기준을 고려하고, 단부 계면 층분리 모델(plate-end interfacial debonding model) 즉, 보강판 끝 부분에서의 콘크리트 탈락에 대한 기준으로서 Oehlers Model과 Raoof and Zhang Model을 사용하였다. 콘크리트는 두께 방향으로 층상화기법(layered model)이 이용되며, 철근과 보강판은 환산층(smeared reinforcing layer)으로 계산되도록 하였다 적분형 르장드르 다항식이 형상함수로 사용되며, 절점에서의 응력값 산출을 위해 Gauss Lobatto 수치적분법을 사용하였다. 본 연구의 목적은 p-version 유한요소법을 사용하여 RC구조물에 대한 수피해의 정확도 및 모델의 단순성을 높인 수 있도록 하였다. 따라서, 철근과 콘크리트모델에 대한 이론적 근거는 기존의 연구문헌에 근거를 두었으며, 수치해석의 적정성은 팻취 보강된 RC보와 슬래브에 대한 문헌의 실험치 및 해석치와 비교 분석되었다.

본 연구는 아스팔트 콘크리트 포장의 소성변형 추정을 보다 쉽게 하기 위하여 새로운 시험기법인 김테스트의 변형강도 및 시험 장비를 개발함에 있어 적정규격을 선정하기 위한 것이나. 김테스트에서 하중봉의 직경(D) 및 하중봉 하단의 원형처리 반경(r)이 시험결과에 미치는 영향을 파악하기 위하여 다양한 혼합물에 대하여 D와 r을 변화시켜가며 실험을 수행하였다. r에 따른 변형강도 및 변형하중과의 상관관계 분석결과 r=0.5와 1.0cm로 원형 처리한 측정값에서 소성변형과 높은 상관성을 보여주었다. 공시체의 직경(S)은 중요 변인이 아니었으며, 하중봉은 직경 4cm에 반드시 하단을 원형처리를 해야하고 이때의 절삭 반경 r은 1.0cm가 가장 좋은 것으로 나타났다. 통계프로그램 SAS의 STEPWISE 를 이용하여 골재별로 변형강도로부터 소성변형 깊이 및 동적 안정도를 추정하기 위해 모델을 개발하였으며 $R^2$은 0.95이상이 얻어졌다. 향후 보다 많은 실험을 통해 이 시험법의 표준화 연구가 지속적으로 이루어져야 할 것이며, 새로운 배합설계 방법을 개발한다면 본 실험법의 적용을 검토해 볼 필요가 있을 것이다.

본 연구는 아스팔트 콘크리트 포장의 소성변형 추정을 보다 쉽게 하기 위하여 새로운 시험기법인 김테스트의 변형강도 및 시험 장비를 개발함에 있어 적정규격을 선정하기 위한 것이나. 김테스트에서 하중봉의 직경(D) 및 하중봉 하단의 원형처리 반경(r)이 시험결과에 미치는 영향을 파악하기 위하여 다양한 혼합물에 대하여 D와 r을 변화시켜가며 실험을 수행하였다. r에 따른 변형강도 및 변형하중과의 상관관계 분석결과 r=0.5와 1.0cm로 원형 처리한 측정값에서 소성변형과 높은 상관성을 보여주었다. 공시체의 직경(S)은 중요 변인이 아니었으며, 하중봉은 직경 4cm에 반드시 하단을 원형처리를 해야하고 이때의 절삭 반경 r은 1.0cm가 가장 좋은 것으로 나타났다. 통계프로그램 SAS의 STEPWISE 를 이용하여 골재별로 변형강도로부터 소성변형 깊이 및 동적 안정도를 추정하기 위해 모델을 개발하였으며 R2은 0.95이상이 얻어졌다. 향후 보다 많은 실험을 통해 이 시험법의 표준화 연구가 지속적으로 이루어져야 할 것이며, 새로운 배합설계 방법을 개발한다면 본 실험법의 적용을 검토해 볼 필요가 있을 것이다.

In this study, the torsional strength of reinforced concrete hollow beams is predicted by nonlinear finite element analysis. A nonlinear finite element analysis program, ATENA, was used for the analysis. A total of six reinforced concrete beams were used and the analysis was performed under the same conditions as the actual test.

Concrete has recently been modified to have various performance and properties. However, the conventional method for predicting the compressive strength of concrete has been suggested by considering only a few influential factors. so, In this study, nine influential factors (W/B ratio, Water, Cement, Aggregate(Coarse, Fine), Fly ash, Blast furnace slag, Curing temperature, and humidity) of papers opened for 10 years were collected at 4 conferences in order to know the various correlations among data and the tendency of data. The selected mixture and compressive strength data were used for learning the Deep Learning Algorithm to derive a prediction model. The purpose of this study is to suggest a method of constructing a prediction model that predicts the compression strength with high accuracy based on Deep Learning Algorithms.