Wyszukiwanie:
|

|
Sortowanie:
|
|
|
Bibliografia Publikacji Pracowników PK (49507) | Inne bazy bibliograficzne (15032) Architektura i Sztuka Krakowa (2298) | Historia i Ludzie PK – baza w przygotowaniu (13) | Konferencje Krynickie - Referaty (7776) LXVII Konferencja Naukowa, 2022 (41) | LXVI Konferencja Naukowa, 2020 (67) | LXV Konferencja Naukowa, 2019 (58) | LXIV Konferencja Naukowa, 2018 (139) | LXIII Konferencja Naukowa, 2017 (136) | LXII Konferencja Naukowa, 2016 (150) | LXI Konferencja Naukowa, 2015 (145) | LX Konferencja Naukowa, 2014 (190) | LIX Konferencja Naukowa, 2013 (110) | LVIII Konferencja Naukowa, 2012 (168) | LVII Konferencja Naukowa, 2011 (111) | LVI Konferencja Naukowa, 2010 (130) | LV Konferencja Naukowa, 2009 (108) | LIV Konferencja Naukowa, 2008 (161) | LIII Konferencja Naukowa, 2007 (161) | LII Konferencja Naukowa, 2006 (123) | LI Konferencja Naukowa, 2005 (113) | L Konferencja Naukowa, 2004 (165) | XLIX Konferencja Naukowa, 2003 (125) | XLVIII Konferencja Naukowa, 2002 (137) | XLVII Konferencja Naukowa, 2001 (154) | XLVI Konferencja Naukowa, 2000 (140) | XLV Konferencja Naukowa, 1999 (161) | XLIV Konferencja Naukowa, 1998 (140) | XLIII Konferencja Naukowa, 1997 (153) | XLII Konferencja Naukowa, 1996 (164) | XLI Konferencja Naukowa, 1995 (173) | XL Konferencja Naukowa, 1994 (151) | XXXIX Konferencja Naukowa, 1993 (148) | XXXVIII Konferencja Naukowa, 1992 (117) | XXXVII Konferencja Naukowa, 1991 (125) | XXXVI Konferencja Naukowa, 1990 (109) | XXXV Konferencja Naukowa, 1989 (150) | XXXIV Konferencja Naukowa, 1988 (177) | XXXIII Konferencja Naukowa, 1987 (195) | XXXII Konferencja Naukowa, 1986 (190) | XXXI Konferencja Naukowa, 1985 (180) | XXX Konferencja Naukowa, 1984 (143) | XXIX Konferencja Naukowa, 1983 (141) | XXVIII Konferencja Naukowa, 1982 (120) | XXVII Konferencja Naukowa, 1981 (160) | XXVI Konferencja Naukowa, 1980 (169) | XXV Konferencja Naukowa, 1979 (177) | XXIV Konferencja Naukowa, 1978 (143) | XXIII Konferencja Naukowa, 1977 (120) | XXII Konferencja Naukowa, 1976 (143) | XXI Konferencja Naukowa, 1975 (132) | XX Konferencja Naukowa, 1974 (151) | XIX Konferencja Naukowa, 1973 (131) | XVIII Konferencja Naukowa, 1972 (112) | XVII Konferencja Naukowa, 1971 (120) | XVI Konferencja Naukowa, 1970 (116) | XV Konferencja Naukowa, 1969 (75) | XIV Konferencja Naukowa, 1968 (114) | XIII Konferencja Naukowa, 1967 (100) | XII Konferencja Naukowa, 1966 (106) | XI Konferencja Naukowa, 1965 (81) |
| Niepublikowane prace naukowe pracowników PK (1994-2012) (4941) |
|
Jednostki PK
Opcje
|
Seria/Czasopismo | | Materials | Numeracja | | Vol. 14, Iss. 15, Spec. Iss. | Data wydania | | 2021 | Numer specjalny | | tak | Język | | angielski | Typ nośnika | | online | Zakres stron | | [1-19] | Liczba stron | | 19 | Oznaczenia ref./art. | | 4222 | Oznaczenie ilustracji | | schem., tab., wykr. | Bibliografia (na str.) | | 16-19 | Bibliografia (liczba pozycji) | | 77 | Oznaczenie streszczenia | | Abstr. | ISSN | | 1996-1944 | Uwagi | | Special Issue: Artificial Intelligence for Cementitious Materials | Charakter pracy | | publikacja naukowa | Publikacja recenzowana | | tak | Rodzaj publikacji | | oryginalny artykuł naukowy (original article) | DOI | | 10.3390/ma14154222 | Opis bibliograficzny | | Comparative study of supervised machine larning agorithms for predicting the compressive strength of concrete at high temperature / Ayaz Ahmad, Krzysztof Adam Ostrowski, Mariusz Maślak, Furqan Farooq, ... więcejComparative study of supervised machine larning agorithms for predicting the compressive strength of concrete at high temperature / Ayaz Ahmad, Krzysztof Adam Ostrowski, Mariusz Maślak, Furqan Farooq, Imran Mehmood, Afnan Nafees // Materials [Dokument elektroniczny]. – 2021, Vol. 14, Iss. 15, Spec. Iss., 19 s. : schem., tab., wykr. – Tryb dostępu: https://www.mdpi.com/1996-1944/14/15/4222/htm. – Oznaczenie ref./art.: 4222. – Bibliogr. 77 poz., Abstr. – Special Issue: Artificial Intelligence for Cementitious Materials. – doi: 10.3390/ma14154222. – ISSN 1996-1944 |
Słowa kluczowe | | concrete, compressive strength, high temperature, prediction, decision tree, bagging, gradient boosting | Abstrakt | | High temperature severely affects the nature of the ingredients used to produce concrete, which in turn reduces the strength properties of the concrete. It is a difficult and time-consuming task to achieve ... więcejHigh temperature severely affects the nature of the ingredients used to produce concrete, which in turn reduces the strength properties of the concrete. It is a difficult and time-consuming task to achieve the desired compressive strength of concrete. However, the application of supervised machine learning (ML) approaches makes it possible to initially predict the targeted result with high accuracy. This study presents the use of a decision tree (DT), an artificial neural network (ANN), bagging, and gradient boosting (GB) to forecast the compressive strength of concrete at high temperatures on the basis of 207 data points. Python coding in Anaconda navigator software was used to run the selected models. The software requires information regarding both the input variables and the output parameter. A total of nine input parameters (water, cement, coarse aggregate, fine aggregate, fly ash, superplasticizers, silica fume, nano silica, and temperature) were incorporated as the input, while one variable (compressive strength) was selected as the output. The performance of the employed ML algorithms was evaluated with regards to statistical indicators, including the coefficient correlation (R2), mean absolute error (MAE), mean square error (MSE), and root mean square error (RMSE). Individual models using DT and ANN gave R2 equal to 0.83 and 0.82, respectively, while the use of the ensemble algorithm and gradient boosting gave R2 of 0.90 and 0.88, respectively. This indicates a strong correlation between the actual and predicted outcomes. The k-fold cross-validation, coefficient correlation (R2), and lesser errors (MAE, MSE, and RMSE) showed better performance than the ensemble algorithms. Sensitivity analyses were also conducted in order to check the contribution of each input variable. It has been shown that the use of the ensemble machine learning algorithm would enhance the performance level of the model. |
Lista MNiSW/MEiN | | tak | Punktacja czasopisma | | 140 | Impact Factor | | 3.748 | Publikacja indeksowana w Web of Science | | tak | Publikacja indeksowana w bazie Scopus | | tak | Dyscyplina | | inżynieria lądowa i transport Dziedzina nauk inżynieryjno-technicznych |
Publikacja w Open Access (OA) | | tak |
Link do publikacji | | przejdź | Kolekcja | | |
|