Estimating Compressive Strength of High Performance Concrete with Gaussian Process Regression Model
Autor(en): |
Nhat-Duc Hoang
Anh-Duc Pham Quoc-Lam Nguyen Quang-Nhat Pham |
---|---|
Medium: | Fachartikel |
Sprache(n): | Englisch |
Veröffentlicht in: | Advances in Civil Engineering, 2016, v. 2016 |
Seite(n): | 1-8 |
DOI: | 10.1155/2016/2861380 |
Abstrakt: |
This research carries out a comparative study to investigate a machine learning solution that employs the Gaussian Process Regression (GPR) for modeling compressive strength of high-performance concrete (HPC). This machine learning approach is utilized to establish the nonlinear functional mapping between the compressive strength and HPC ingredients. To train and verify the aforementioned prediction model, a data set containing 239 HPC experimental tests, recorded from an overpass construction project in Danang City (Vietnam), has been collected for this study. Based on experimental outcomes, prediction results of the GPR model are superior to those of the Least Squares Support Vector Machine and the Artificial Neural Network. Furthermore, GPR model is strongly recommended for estimating HPC strength because this method demonstrates good learning performance and can inherently express prediction outputs coupled with prediction intervals. |
Copyright: | © 2016 Nhat-Duc Hoang 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. |
1.42 MB
- Über diese
Datenseite - Reference-ID
10176854 - Veröffentlicht am:
07.12.2018 - Geändert am:
02.06.2021