| 研究課題/領域番号 |
17H03344
|
|---|
| 研究機関 | 琉球大学 |
|---|
研究代表者 |
山田 義智 琉球大学, 工学部, 教授 (80220416)
|
|---|
| 研究分担者 |
湯淺 昇 日本大学, 生産工学部, 教授 (00230607)
崎原 康平 琉球大学, 工学部, 准教授 (20647242)
三島 直生 国土技術政策総合研究所, 住宅研究部, 室長 (30335145)
寺西 浩司 名城大学, 理工学部, 教授 (30340293)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | フレッシュコンクリート / レオロジー |
|---|
| 研究実績の概要 |
振動下における高流動コンクリートのレオロジー定数の推定を行ったところ，降伏値は振動加速度の増加により指数関数的に低下するが，塑性粘度はほどんど変化しないことが分かった．また，振動下では間隙通過性が増加する一方，材料分離抵抗性が低下する傾向が認められた．
機械学習の一種であるアンサンブル学習のランダムフォレストとLightGBMを用いて，コンクリートの使用材料や調合，練混ぜ情報および環境情報を入力値として，コンクリートのフレッシュ性状（フロー値，500mmフロー到達時間，流動停止時間，空気量）を予測する手法を開発した。これらの学習法は，前年度までに開発したニューラルネットワークに比べて予測精度が僅かに向上したことと，重要な特徴量がわかるなどの利点が確認された。
開発したランダムフォレストとLightGBMを用いて，フレッシュコンクリートの流動性上に影響を与える生コンクリートの暑中期のコンクリート温度を予測する方法を提案した。また，ランダムフォレストやLightGBMにより重要な特徴量を求めたところ，外気温度が最もコンクリート温度に影響することが分かった。これらの知見は従来の知見とも一致した。
機械学習によるフレッシュ性状の一つである高流動コンクリートのスランプフロー値の予測精度を高めるため，ランダムフォレストとLightGBMの推定値を説明変数とする重回帰予測のスタッキングを行った。その結果は，わずかではあるが，スタッキングによるスランプフロー値の予測結果が，ランダムフォレストやLightGBMによる予測結果より優れた値となった．
なお，これらニューラルネットワークおよびランダムフォレストやLightGBMの機械学習の開発・利用は当初の研究計画になかったが，新たな技術開発ができた。
|
| 現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|
