^ Comparison of Machine Learning Techniques for the Prediction of Compressive Strength of Concrete | Structurae
0
  • DE
  • EN
  • FR
  • Internationale Datenbank und Galerie für Ingenieurbauwerke

Anzeige

Comparison of Machine Learning Techniques for the Prediction of Compressive Strength of Concrete

Autor(en):



Medium: Fachartikel
Sprache(n): Englisch
Veröffentlicht in: Advances in Civil Engineering, , v. 2018
Seite(n): 1-9
DOI: 10.1155/2018/5481705
Abstrakt:

A comparative analysis for the prediction of compressive strength of concrete at the ages of 28, 56, and 91 days has been carried out using machine learning techniques via “R” software environment. R is digging out a strong foothold in the statistical realm and is becoming an indispensable tool for researchers. The dataset has been generated under controlled laboratory conditions. Using R miner, the most widely used data mining techniques decision tree (DT) model, random forest (RF) model, and neural network (NN) model have been used and compared with the help of coefficient of determination (R²) and root-mean-square error (RMSE), and it is inferred that the NN model predicts with high accuracy for compressive strength of concrete.

Copyright: © 2018 Palika Chopra et al.
Lizenz:

Dieses Werk wurde unter der Creative-Commons-Lizenz Namensnennung 4.0 International (CC-BY 4.0) veröffentlicht und darf unter den Lizenzbedinungen vervielfältigt, verbreitet, öffentlich zugänglich gemacht, sowie abgewandelt und bearbeitet werden. Dabei muss der Urheber bzw. Rechteinhaber genannt und die Lizenzbedingungen eingehalten werden.

  • Über diese
    Datenseite
  • Reference-ID
    10176758
  • Veröffentlicht am:
    30.11.2018
  • Geändert am:
    02.06.2021