Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

18.02.2020 | Research Article-Civil Engineering | Ausgabe 5/2020

Arabian Journal for Science and Engineering 5/2020

Prediction of Properties of Concrete Cured Under Hot Weather Using Multivariate Regression and ANN Models

Zeitschrift:
Arabian Journal for Science and Engineering > Ausgabe 5/2020
Autoren:
Muhammad Nasir, Uneb Gazder, Mohammed Maslehuddin, Omar S. Baghabra Al-Amoudi, Imran Ali Syed
Wichtige Hinweise

Electronic supplementary material

The online version of this article (https://​doi.​org/​10.​1007/​s13369-020-04403-y) contains supplementary material, which is available to authorized users.

Abstract

Concreting in hot weather poses special problems, and the properties of concrete are significantly influenced by mix parameters, construction practices and environmental conditions. In this study, mix design parameters, casting temperature and curing conditions were varied to study the mechanical properties and durability characteristics with the ultimate aim of developing models relating the concrete properties and the experimental parameters. The effect of w/c ratio (0.3 to 0.45), in situ concrete temperature (25 to 45 °C) and curing method (ponding, covering with wet burlap or applying curing compound followed by curing under laboratory or field conditions) was assessed by measuring compressive strength (f′c), split tensile strength (ft), pulse velocity (PV) and depth of water penetration (WP) up to 180 days. Prediction models were developed utilizing quadratic regression models and artificial neural networks (ANNs). The regression models indicated that moist curing, in situ concrete temperature and curing period have a positive impact on the strength parameters and PV, while the former two variables had a negative effect on the WP. The w/c ratio had a significant positive impact on the WP. The concrete properties predicted by ANN models were more accurate than those predicted by regression models. A combined ANN model, developed for predicting strength and PV simultaneously, had a better correlation coefficient compared to ANN models developed for each variable separately. The developed models are expected to assist concrete technologists in the selection of appropriate concrete mixture parameters to obtain concrete with desired properties under hot weather conditions.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Zusatzmaterial
Nur für berechtigte Nutzer zugänglich
Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 5/2020

Arabian Journal for Science and Engineering 5/2020 Zur Ausgabe

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Bildnachweise