• М100 – обычно выбирают для подбетонки, различных подготовительных работ, когда важно просто сцепить между собой зерна гравийно-песчаной подушки.
• М150 – состав более крепкий, из него делают отмостки, тротуары, цементные стяжки, ЖБИ малого размера.
• М200 – популярная марка для произведения работ в частном строительстве, подходит для небольших фундаментов, ненагруженных стен в малоэтажном строительстве.
• М250 – актуален для создания лестничных маршей, опорных/несущих конструкций.
• М300 – самый популярный бетон в строительстве, используется в любых работах (от создания основания для тяжелых домов до заливки монолитных перекрытий, стен).
• М350 – прочный бетон, который подходит для создания конструкций с повышенными нагрузками (балки, колонны и т.д.).
• М400 и выше марки применяются для создания особых конструкций специальных объектов – гидротехнические сооружения, военные объекты и т.д.

1. Легкий (облегченный) – производится с включением в состав пористых заполнителей (туф, пемза, керамзит): крупнопористый, ячеистый бетоны, газо/пенобетон и т.д. Плотность до 1200 кг/м3, используются в малоэтажном строительстве, актуальных для утепления, отличаются сравнительно невысокой прочностью.
2. Тяжелый бетон – производится с введением в состав горных пород (диабаз, гранит, известняк), плотность равна 1800-2500 кг/м3. Применяется для железобетонных, бетонных конструкций гражданских, промышленных зданий, для создания транспортных и гидротехнических объектов в том числе.
3. Особо тяжелый бетон – готовится с использованием железной руды, опилок, стружки. Актуальна смесь для строительства специальных объектов, способных противостоять радиоактивному излучению, плотность выше 2500 кг/м3.

• F15 – подходит для внутренних работ (создание перегородок, заливка пола и т.д.)
• F25 – самое малое значение для кладки внешних стен отапливаемых зданий.
• F50 и более – подходит для фундамента в регионах со средним морозом.

Водостойкость бетона обозначается буквой W, может варьироваться в пределах W2-W20, говорит о максимальном давлении водяного столба, которое способен выдержать бетон, единицы измерения атм•10-1.

ГРАЖДАНСКОЕ ОБОРУДОВАНИЕ: ПРОЧНОСТЬ ЦЕМЕНТА НА СЖАТИЕ

Прочность цемента при сжатии — это способность воспринимать сжимающие нагрузки цемента.

Определяется испытанием прочности на сжатие кубиков раствора, уплотненных с помощью стандартной вибрационной машины. Стандартный песок (IS: 650) используется для приготовления цементного раствора. Образец имеет форму куба 70,6 мм * 70,6 мм * 70,6 мм.

APPRATUS : —

1. Кубическая форма размером 70.6 мм X 70,6 мм X 70,6 мм (согласно IS: 10080)

2. Вибрационная машина (согласно IS: 10080)

3. Машина для испытаний на сжатие

4. Измерительный цилиндр

5. Весы

ПРОЦЕДУРА: —

1. Условия окружающей среды для испытаний цемента должны быть при температуре 27 ± 2⁰C.

2. Возьмите 200 г цемента и 600 г стандартного песка и тщательно перемешайте их насухо.

3. Добавьте (P / 4 + 3) X8 [P -% воды, необходимой для приготовления пасты стандартной консистенции] к сухой смеси цемента и песка и в течение 3-4 минут тщательно перемешайте их, чтобы они образуют смесь однородного цвета.Если через 4 минуты смесь не станет однородной, откажитесь от нее и повторите процедуру еще раз.

4. Тщательно очистите кубические формы от цемента и поместите их в вибрационную машину. Его следует правильно удерживать с помощью зажимов, имеющихся на машине.

5. Заполните форму всем количеством раствора, используя подходящий бункер, прикрепленный к верхней части формы для облегчения заполнения, и потрясите ее в течение 2 минут с указанной скоростью 12000 ± 400 в минуту для достижения полного уплотнения.

6. Снимите форму с машины и держите ее в месте с температурой 27 ± 2 ⁰ C и относительной влажностью 90% в течение 24 часов.

7. Через 24 часа выньте кубик из формы и немедленно погрузите в свежую чистую воду в резервуар для отверждения кубов с регулируемой температурой, где его темп. хранится в 27 ± 2 ⁰ C. Их следует погружать в сточные воды до проведения испытаний.

8. Приготовьте не менее 9 кубиков, как описано выше.

9. Поместите испытательный куб на платформу машины для испытаний на сжатие так, чтобы центральная линия куба и центральная линия платформы совпадали.Между кубиками и загрузочными плитами нельзя использовать упаковочные материалы.

10. Со скоростью 35 Н / мм ² / мин прилагайте нагрузку равномерно и равномерно.

11. 3 Кубика необходимо протестировать по завершении 3,7 и 28 дней тестирования и сообщить о них, как показано ниже.

РАСЧЕТЫ: —

Прочность на сжатие = P / A

[P = максимальная нагрузка, приложенная к кубу. (Н)

A = Площадь поперечного сечения (рассчитанная из средних размеров) (мм ² )]

• Прочность на сжатие указывается с точностью до 0.5 Н / мм ²
• Образцы с явным дефектом или с прочностью, отличающейся более чем на 10% от среднего значения для всех образцов для испытаний, не должны рассматриваться.
• Испытайте три кубика на прочность на сжатие для каждого периода отверждения.

ОТЧЕТ О РЕЗУЛЬТАТАХ: —

Результаты испытаний цементного куба представлены следующим образом.

Испытания для проверки прочности цемента на сжатие

Хемали Патель, автор контента в GharPedia.Она имеет степень бакалавра гражданского строительства в Технологическом институте Пателя, Бхопал, Мадхья-Прадеш. Она страстно любит делиться знаниями. Имеет 3-летний опыт преподавания в инженерном колледже. Любит читать и путешествовать. Вы можете связаться с ней в LinkedIn, Facebook, Twitter и Quora.

Прочность на сжатие затвердевшего цемента является важным свойством при добавлении воды в цемент.Цемент гидратирует, демонстрирует когезию и прочность. Он связывает все компоненты вместе, т.е. цемент, песок, заполнитель и т. д. Прочность состава на основе цемента, такого как раствор / бетон, зависит от типа и природы цемента.

В основном, из-за прочности и природы цемента, раствор и бетон очень прочны на сжатие и слабы при растяжении, поэтому испытание цемента на прочность на сжатие является наиболее важным, потому что это основная цель, для которой он используется. очень важно знать прочность цемента на сжатие, и самое главное, чтобы была достигнута минимальная удельная прочность.Цемент испытывается на прочность при сжатии, чтобы гарантировать прочность и долговечность конструкции.

Высокое содержание извести или глинозема является причиной быстрого набора прочности. На прочность цемента также влияют степень обжига, тонкость помола и аэрация, которую он получает после окончательного помола.

Цементный раствор используется при испытании на прочность, потому что чистый цемент вызывает усадку и растрескивание и, следовательно, его трудно испытать.

Прочность цемента на сжатие дает представление об основной прочности цемента.Это дает уверенность в использовании. Из этого теста вы можете узнать, сколько требуется цемента и какую прочность он получит. Прочность цемента на сжатие также является основными данными, необходимыми для расчета смеси.

Цемент, в основном, известен своей прочностью на сжатие. Цемент идентифицируется по его марке как 53, 43, 33 марки. Эта марка указывает на прочность цемента на сжатие, то есть марка цемента 53 указывает, что прочность на сжатие цементного куба после 28 дней выдержки будет 53 Н / мм ² (МПа) или 530 кг / см ² .

• IS4031 (Часть 6) -1988,
• ASTM C 109,
• BS EN 196-1: 2005

• Машина для испытаний на сжатие или универсальная испытательная машина.
• Форма для куба: размер 70,6 мм * 70,6 мм * 70,6 мм
• Вибрационная машина
• Весовая машина
• Измерительный шпатель
• Измерительный цилиндр
• Лоток

Машина для испытания на сжатие с формой

• Материал для испытаний — цемент, песок и вода.
• Необходимый материал для каждого куба:

1. Цемент — 200 г,
2. Песок — 600 г,
3. Количество воды (P / 4 + 3)% от общей массы цемента и песка. Где P — стандартная консистенция цемента.

• Прежде всего, смешайте цемент и песок в сухом состоянии с помощью шпателя в течение одной минуты, затем добавьте воду и перемешайте до получения однородного цвета.
• Время перемешивания должно быть не менее 3 минут и не более 5 минут.

• Сразу после смешивания раствор помещается в кубическую форму. Перед нанесением раствора нанесите масло на внутреннюю поверхность кубической формы.
• Для удаления увлеченного воздуха и предотвращения образования ячеек раствор следует толкать 20 раз примерно за 8 с, а затем уплотнять вибрацией.
• Период вибрации должен составлять 2 минуты при указанной скорости 12 000 ± 400 полуколебаний в минуту.
• После этого обработайте верхнюю поверхность куба в форме, разгладив поверхность лезвием кельмы.

• После завершения вибрации храните заполненные формы во влажном туалете или в сыром помещении в течение 24 часов.
• По истечении этого периода выньте кубик раствора из форм, немедленно погрузите его в чистую пресную воду и держите там, пока не вынимете непосредственно перед испытанием.
• Кубики не должны высыхать после того, как они были извлечены, и до тех пор, пока они не будут проверены.

• Для испытаний используется машина для испытания на сжатие или универсальная испытательная машина.
• Испытайте 3 куба на прочность на сжатие для каждого периода времени в соответствии с подробными спецификациями. Например, 3 кубика для 3-дневного теста, 3 кубика для 7-дневного теста и 3 кубика для 28-дневного теста.
• Испытания кубов должны проводиться на их сторонах. При проведении испытаний не использовать какие-либо уплотнения между кубом и стальными пластинами машины для испытания на сжатие.
• Нагрузка должна прилагаться равномерно и равномерно, а скорость нагрузки должна составлять 35 Н / мм. ² / мин.

• Для экспериментов должны использоваться чистые приборы.
• Испытания на температуру и влажность должны проводиться при температуре 27 ± 2 ° C и 65 ± 5% относительной влажности лаборатории
• Вода, в которую погружаются кубики, должна обновляться каждые 7 дней и должна поддерживаться при температуре 27 ± 2 ° C
• При определении прочности на сжатие не учитывайте образцы с заметными дефектами.
• Не рассматривать образцы, прочность которых отличается более чем на 10% от среднего значения всех образцов для испытаний.

• Запишите нагрузку, при которой куб сломался.
• Прочность кубиков на сжатие рассчитывают путем деления максимальной нагрузки, приложенной к кубам во время испытания, на площадь поперечного сечения.

Рекомендуемые результаты по прочности на сжатие для различных типов цемента, указанные в стандартных инструкциях, следующие:

Результат испытания цемента на сжатие

Если результат вашего теста не соответствует критериям приемлемости, может быть много причин, таких как неправильное смешивание, отверждение и соотношение цемента и песка, наличие основного дефекта в цементе или песке, ошибка в процедуре эксперимента и т. Д.

В этом случае точно проведите тест еще раз. Если результаты теста по-прежнему не верны, не используйте такой дефектный материал и обратитесь к поставщику / производителю цемента для его замены. Если использовать такой цемент, будет суицидно. Также проверьте, сколько лет цементу. Он очень старый или может быть гидратирован по тем или иным причинам; это может случиться. Поэтому не используйте такой цемент. Проконсультируйтесь со своим архитектором / инженером-строителем, чтобы проверить, можно ли его использовать для неструктурных целей, таких как PCC, внутренняя штукатурка, раствор для пола и т. Д.Это опять же будет зависеть от результата теста. Пожалуйста, не принимайте решение самостоятельно.

Обратите внимание, что прочность цемента на сжатие является очень важным свойством, и если цемент не выдерживает этого испытания, вам не следует использовать такой цемент.

Обычно прочность цемента на сжатие проверяется в течение 3 и 7 дней. Для каждого теста требуется 3 кубика, для одного кубика используется 200 г цемента и 600 г песка. Следовательно, для одного испытания требуется 600 г цемента и 1800 г песка.

Стоимость испытания цемента на сжатие составляет около рупий. От 200 до 400. Цена может обычно меняться в зависимости от различных факторов, например, от области, в которой проводится тест, количества тестов, отношений с клиентом, срочности результатов тестирования и т. Д.

Хемали Патель, автор контента в GharPedia. Она имеет степень бакалавра гражданского строительства в Технологическом институте Пателя, Бхопал, Мадхья-Прадеш. Она страстно любит делиться знаниями. Имеет 3-летний опыт преподавания в инженерном колледже.Любит читать и путешествовать. Вы можете связаться с ней в LinkedIn, Facebook, Twitter и Quora.

Продемонстрируйте свои лучшие разработки

Навигация по сообщениям

Еще из тем

Используйте фильтры ниже для поиска конкретных тем

Как проводить испытания на сжатие цементного раствора ASTM C109

ASTM C109 | Бетон | Испытания на сжатие

Гидравлические цементные растворы обычно образуются из смеси цемента, песка и воды, но могут включать в себя множество других материалов.Прочность окончательного раствора сильно зависит от типа материалов и соотношения компонентов, и требуется тестирование, чтобы определить правильные пропорции для каждого применения. ASTM C109 описывает методику испытаний строительных растворов на сжатие с использованием кубиков материала со стороной 2 дюйма.

Для испытания используется механическая испытательная машина, оснащенная соответствующими сжимающими плитами. Одна из плит должна быть посажена сферически, чтобы можно было легко регулировать наклон, если грани образца не идеально параллельны.Испытательная машина работает на сжатие при низких испытательных скоростях в диапазоне значений нагрузки, указанном в спецификации. После достижения соответствующей скорости нагрузки постоянная скорость движения поддерживается за счет разрыва образца. Требуется точный контроль скорости, чтобы поддерживать скорость движения после того, как образец начинает уступать и в конечном итоге ломается. Гидравлические тестеры сжатия предпочтительнее для этих испытаний из-за их высокой прочности. Результаты теста могут быть записаны вручную или в электронном виде, в зависимости от системы, используемой для теста.

Здесь приводится краткое изложение ASTM C109. Если вам необходимо провести эти испытания, прочтите всю спецификацию из соответствующей публикации ASTM.

ASTM C109 | Бетон | Испытание на сжатие

1. Тщательно подготовьте образец в соответствии с инструкциями в спецификации, измерьте и запишите размеры образца перед испытанием
2. Поместите образец на компрессионную плиту, убедившись, что она отцентрирована и что сферически установленная плита установлена. свободно двигаться.
3. Запустите тест при указанных значениях нагрузки.
4. Запишите и укажите общую максимальную нагрузку и рассчитайте прочность на сжатие на основе нагрузки и размеров образца.

Расчеты:

ASTM C109 | Бетон | Испытания на сжатие

Другая испытательная система, оснащенная MegaForce для испытаний ASTM C109

ASTM C109 | Бетон | Испытания на сжатие

Влияние размера на кубическую и призматическую прочность цементного теста на сжатие

Прогноз прочности бетона на сжатие с использованием машинного обучения | by Pranay Modukuru

Применение машинного обучения в гражданском строительстве

Прочность бетона на сжатие определяет качество бетона. Обычно это определяется стандартным испытанием на раздавливание бетонного цилиндра. Это требует от инженеров создания небольших бетонных цилиндров из различных комбинаций сырья и испытания этих цилиндров на изменение прочности при изменении каждого вида сырья.Рекомендуемое время ожидания для проверки цилиндра составляет 28 дней, чтобы гарантировать правильные результаты. Это отнимает много времени и требует много труда для подготовки различных прототипов и их тестирования. Кроме того, этот метод подвержен человеческой ошибке, и одна небольшая ошибка может привести к резкому увеличению времени ожидания.

Одним из способов сокращения времени ожидания и уменьшения количества пробных комбинаций является использование цифрового моделирования, при котором мы можем предоставить компьютеру информацию о том, что мы знаем, а компьютер пробует различные комбинации для прогнозирования прочности на сжатие.Таким образом, мы можем уменьшить количество комбинаций, которые мы можем опробовать физически, и сократить время на эксперименты. Но чтобы разработать такое программное обеспечение, мы должны знать отношения между всем сырьем и то, как один материал влияет на прочность. Можно вывести математические уравнения и запустить моделирование на основе этих уравнений, но мы не можем ожидать, что отношения будут такими же в реальном мире. Кроме того, эти тесты проводились уже много раз, и у нас есть достаточно реальных данных, которые можно использовать для прогнозного моделирования.

В этой статье мы собираемся проанализировать набор данных Конкретной прочности на сжатие и построить модели машинного обучения для прогнозирования прочности на сжатие. Этот блокнот, содержащий весь код, можно использовать параллельно.

Набор данных состоит из 1030 экземпляров с 9 атрибутами и не имеет пропущенных значений. Есть 8 входных переменных и 1 выходная переменная. Семь входных переменных представляют количество сырья (измеряется в кг / м³), а одна представляет возраст (в днях). Целевая переменная — прочность бетона на сжатие, измеряемая в (МПа — мегапаскаль).Мы исследуем данные, чтобы увидеть, как входные характеристики влияют на прочность на сжатие.

Первым шагом в проекте Data Science является понимание данных и анализ данных перед выполнением любого моделирования. Это включает в себя проверку любых пропущенных значений, построение функций по отношению к целевой переменной, наблюдение за распределением всех функций и так далее. Давайте импортируем данные и приступим к анализу.

Давайте проверим корреляции между входными характеристиками, это даст представление о том, как каждая переменная влияет на все другие переменные.Это можно сделать, вычислив корреляции Пирсона между функциями, как показано в приведенном ниже коде.

 corr = data.corr () sns.heatmap (corr, annot = True, cmap = 'Blues') 

Мы можем наблюдать высокую положительную корреляцию между Прочностью на сжатие (CC_Strength) и Cement . это верно, потому что прочность бетона действительно увеличивается с увеличением количества цемента, используемого для его приготовления. Кроме того, Age и Super Plasticizer являются двумя другими факторами, влияющими на прочность на сжатие.

Есть и другие сильные корреляции между характеристиками,

• Сильная отрицательная корреляция между суперпластификатором и Water .
• положительная корреляция между суперпластификатором и золой-уносом , мелкозернистым заполнителем .

Эти корреляции полезны для детального понимания данных, поскольку они дают представление о том, как одна переменная влияет на другую. Далее мы можем использовать парный график в морском судоходстве, чтобы построить парные отношения между всеми элементами и распределением элементов по диагонали.

 sns.pairplot (data) 

Парный график дает визуальное представление корреляций между всеми функциями.

Мы можем построить графики разброса между CC_Strength и другими функциями, чтобы увидеть более сложные отношения.

CC_Strength vs (цемент, возраст, вода)

 sns.scatterplot (y = "CC_Strength", x = "Cement", hue = "Water", size = "Age", data = data, ax = ax, sizes = (50, 300)) 

Наблюдения, которые мы можем сделать из этого графика,

• Прочность на сжатие увеличивается с увеличением количества цемента , поскольку точки перемещаются вверх, когда мы перемещаемся вправо по оси x.
• Прочность на сжатие увеличивается с возрастом (поскольку размер точек представляет возраст), это не всегда так, но может быть до некоторой степени.
• Цемент с меньшим возрастом требует больше цемента для большей прочности , поскольку меньшие точки перемещаются вверх, когда мы движемся вправо по оси x.
• Чем старше цемент, тем больше воды ему требуется , это можно подтвердить, наблюдая за цветом точек. Более крупные точки темного цвета указывают на преклонный возраст и больше воды.
• Прочность бетона увеличивается, когда используется меньше воды при его приготовлении, поскольку точки на нижней стороне (ось y) темнее, а точки на верхней стороне (ось y) ярче.

CC Прочность по сравнению с (мелким заполнителем, суперпластификатором, летучей золой)

 sns.scatterplot (y = "CC_Strength", x = "FineAggregate", hue = "FlyAsh", 
 size = "Superplasticizer", data = data , ax = ax, sizes = (50, 300)) 

Наблюдения,

• Прочность на сжатие уменьшается Летучая зола увеличивается , поскольку более темные точки сосредоточены в области, представляющей низкую прочность на сжатие.
• Предел прочности на сжатие увеличивается с суперпластификатором , поскольку чем больше точка, тем выше она на графике.

Мы можем визуально понимать 2D, 3D и максимальные до 4D графики (функции, представленные цветом и размером), как показано выше, мы можем дополнительно использовать функции построения строк и столбцов с помощью морского анализа для дальнейшего анализа, но все же , нам не хватает возможности самостоятельно отследить все эти корреляции. По этой причине мы можем обратиться к машинному обучению, чтобы зафиксировать эти отношения и лучше понять проблему.

Прежде чем мы подгоним модели машинного обучения к данным, нам нужно разделить данные на обучающие, тестовые разбиения. Функции можно масштабировать, чтобы получить среднее значение, равное нулю, и стандартное отклонение, равное 1, то есть все функции попадают в один и тот же диапазон.

 X = data.iloc [:,: - 1] # Функции 
 y = data.iloc [:, - 1] # Целевой X_train, X_test, y_train, y_test = train_test_split (X, y, test_size = 0.2, random_state = 2) sc = StandardScaler () X_train = sc.fit_transform (X_train) 
 X_test = sc.transform (X_test) 

После подготовки данных мы можем подогнать разные модели к обучающим данным и сравнить их производительность, чтобы выбрать алгоритм с хорошей представление.Поскольку это проблема регрессии, мы можем использовать RMSE (среднеквадратическую ошибку) и оценку $ R² $ в качестве показателей оценки.

1. Линейная регрессия

Мы начнем с линейной регрессии, поскольку это лучший алгоритм для любой задачи регрессии. Алгоритм пытается сформировать линейную связь между входными характеристиками и целевой переменной, то есть он соответствует прямой линии, заданной как,

, где w_i соответствует коэффициенту характеристики x_i.

Величину этих коэффициентов можно дополнительно контролировать, используя условия регуляризации для функций затрат.Добавление суммы величин коэффициентов приведет к тому, что коэффициенты будут близки к нулю, этот вариант линейной регрессии называется Lasso Regression. Добавление суммы квадратов коэффициентов к функции стоимости приведет к тому, что коэффициенты будут в одном диапазоне, и это изменение называется регрессией Ridge . Оба этих варианта помогают снизить сложность модели и, следовательно, снизить вероятность переобучения данных.

 # Импорт моделей 
 из sklearn.linear_model import LinearRegression, Lasso, Ridge # Linear Regression 
 lr = LinearRegression () # Lasso Regression 
 lasso = Lasso () # Ridge Regression 
 ridge = Ridge () # Подгонка моделей к данным обучения 
 lr.fit (X_train, y_train) 
 lasso.fit (X_train, y_train) 
 ridge.fit (X_train, y_train) # Создание прогнозов на основе тестовых данных y_pred_lr = lr.predict (X_test) 
 y_pred_lasso = lasso.predict (X_test) 
 y_16_predict = ridge3 from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score print ("Модель \ t \ t \ t RMSE \ t \ t R2") 
 print ("" "LinearRegression \ t {:.2f} \ t \ t {:. 2f} "" ". Format (np.sqrt (mean_squared_error (y_test, y_pred_lr)), r2_score (y_test, y_pred_lr))) print (" "" LassoRegression \ t {: .2f} \ t \ t {:. 2f} "" ". format (np.sqrt (mean_squared_error (y_test, y_pred_lasso)), r2_score (y_test, y_pred_lasso))) print (" "" RidgeRegression \ t {: .2f} \ t \ t {:. 2f} "" ". format (np.sqrt (mean_squared_error (y_test, y_pred_ridge)), r2_score (y_test, y_pred_ridge))) 

Выходные данные

Между этими тремя алгоритмами нет большой разницы в производительности , мы можем построить коэффициенты, назначенные тремя алгоритмами для функций, с помощью следующего кода.

 coeff_lr = lr.coef_ 
 coeff_lasso = lasso.coef_ 
 coeff_ridge = ridge.coef_ labels = req_col_names [: - 1] 
 x = np.arange (len (labels)) 
 width = 0.3 fig, ax = plt.subplots (figsize = (10,6)) 
 rects1 = ax.bar (x - 2 * (width / 2), coeff_lr, width, label = 'LR') 
 rects2 = ax.bar (x, coeff_lasso, width, label = 'Лассо') 
 rects3 = ax.bar (x + 2 * (ширина / 2), coeff_ridge, width, label = 'Ridge') ax.set_ylabel ('Coefficient') 
 ax.set_xlabel ('Features') 
 ax.set_title ('Коэффициенты признаков') 
 ax.set_xticks (x) 
 ax.set_xticklabels (labels, rotation = 45) 
 ax.legend () def autolabel (rects): 
 "" "Прикрепите текстовую метку над каждой полосой в * rects *, отображающую ее высоту. 
 для прямоугольника в прямоугольниках: 
 height = rect.get_height () 
 ax.annotate ('{:. 2f}'. Format (height), xy = (rect.get_x () + rect.get_width () / 2, height ), xytext = (0, 3), textcoords = "точки смещения", ha = 'center', va = 'bottom') autolabel (rects1) 
 autolabel (rects2) 
 autolabel (rects3) 
 fig.tight_layout () 
 plt.show () 

Как видно на рисунке, регрессия Лассо подталкивает коэффициенты к нулю, а коэффициенты с нормальной линейной регрессией и регрессией по гребню почти одинаковы.

Далее мы можем увидеть, как выглядят прогнозы, построив график истинных и прогнозируемых значений,

 fig, (ax1, ax2, ax3) = plt.subplots (1,3, figsize = (12,4)) ax1.scatter (y_pred_lr, y_test, s = 20) 
 ax1.plot ([y_test.min (), y_test.max ()], [y_test.min (), y_test.max ()], 'k--', lw = 2) 
 ax1.set_ylabel ("True") 
 ax1.set_xlabel ("Predicted") 
 ax1.set_title ("Linear Regression") 
 ax2.scatter (y_pred_lasso, y_test, s = 20) ax2.plot ([y_test.min (), y_test .max ()], [y_test.min (), y_test.max ()], 'k--', lw = 2) ax2.set_ylabel ("True") 
 ax2.set_xlabel ("Predicted") 
 ax2. set_title ("Регрессия лассо") 
 ax3.scatter (y_pred_ridge, y_test, s = 20) ax3.plot ([y_test.min (), y_test.max ()], [y_test.min (), y_test.max () ], 'k--', lw = 2) 
 ax3.set_ylabel ("True") 
 ax3.set_xlabel ("Predicted") 
 ax3.set_title («Регрессия гребня») 
 fig.suptitle («Истина или прогноз») 
 fig.tight_layout (rect = [0, 0,03, 1, 0,95]) 

Если прогнозируемые значения и целевые значения равны, то точки на диаграмме разброса будут лежать на прямой. Как мы видим здесь, ни одна из моделей не предсказывает прочность на сжатие правильно.

2. Деревья решений

Алгоритм дерева решений представляет данные с древовидной структурой, где каждый узел представляет решение, принятое по функции.Этот алгоритм даст лучшую производительность в этом случае, поскольку у нас много нулей в некоторых входных функциях, как видно из их распределений на парном графике выше. Это поможет деревьям решений строить деревья на основе некоторых условий для функций, которые могут еще больше повысить производительность.

 из sklearn.tree import DecisionTreeRegressor 
 dtr = DecisionTreeRegressor () 
 dtr.fit (X_train, y_train) 
 y_pred_dtr = dtr.predict (X_test) print ("Модель \ t \ t \ t \ t RMSE \ t ") 
 print (" "" Регрессор дерева решений \ t {:.2f} \ t \ t {:. 2f} "" ". Format (np.sqrt (mean_squared_error (y_test, y_pred_dtr)), r2_score (y_test, y_pred_dtr))) plt.scatter (y_test, y_pred_dtr) 
 plt.plot ( [y_test.min (), y_test.max ()], [y_test.min (), y_test.max ()], 'k--', lw = 2) 
 plt.xlabel ("Прогнозируемый") 
 plt. ylabel ("True") 
 plt.title ("Decision Tree Regressor") plt.show () 

Среднеквадратичная ошибка (RMSE) снизилась с 10,29 до 7,31, поэтому регрессор дерева решений улучшил производительность на значительная сумма.Это можно увидеть на графике, так как больше точек находится ближе к линии.

3. Случайные леса

Использование регрессора дерева решений улучшило нашу производительность, мы можем еще больше повысить производительность за счет объединения большего количества деревьев. Random Forest Regressor обучает случайно инициализированные деревья со случайными подмножествами данных, выбранных из обучающих данных, это сделает нашу модель более надежной.

 из sklearn.ensemble import RandomForestRegressor rfr = RandomForestRegressor (n_estimators = 100) 
 rfr.fit (X_train, y_train) y_pred_rfr = rfr.predict (X_test) print ("Модель \ t \ t \ t \ t RMSE \ t \ t R2") print ("" "Регрессор случайного леса \ t {: .2f} \ t \ t {:. 2f} "" ". format (np.sqrt (mean_squared_error (y_test, y_pred_rfr)), r2_score (y_test, y_pred_rfr))) plt.scatter (y_test, y_pred_rfr) 
 plt.plot. ( min (), y_test.max ()], [y_test.min (), y_test.max ()], 'k--', lw = 2) 
 plt.xlabel ("Прогнозируемый") 
 plt.ylabel (" True ") 
 plt.title (" Регрессор случайного леса ") 
 plt.show () 

RMSE дополнительно уменьшился за счет объединения нескольких деревьев.Мы можем построить график важности функций для древовидных моделей. Важность функции показывает, насколько важна функция для модели при прогнозировании.

 feature_dtr = dtr.feature_importances_ 
 feature_rfr = rfr.feature_importances_ labels = req_col_names [: - 1] 
 x = np.arange (len (labels)) 
 width = 0.3 
 fig, ax = plt.subplots (figsize (figsize) , 6)) 
 rects1 = ax.bar (x- (width / 2), feature_dtr, width, label = 'Decision Tree') 
 rects2 = ax.bar (x + (width / 2), feature_rfr, width, label = 'Случайный лес') 
 топор.set_ylabel ('Importance') 
 ax.set_xlabel ('Features') 
 ax.set_title ('Feature Importance') 
 ax.set_xticks (x) 
 ax.set_xticklabels (labels, вращение = 45) 
 ax.legend (loc = "верхний левый", bbox_to_anchor = (1,1)) 
 autolabel (rects1) 
 autolabel (rects2) 
 fig.tight_layout () 
 plt.show () 

Цемент и возраст рассматриваются как наиболее важные характеристики tree- на основе моделей. Летучая зола, грубые и мелкие заполнители являются наименее важными факторами при прогнозировании прочности бетона.

Сравнение

Наконец, сравним результаты всех алгоритмов.

 models = [lr, lasso, ridge, dtr, rfr] 
 names = [«Линейная регрессия», «Регрессия лассо», «Регрессия гребня», «Регрессор дерева решений», «Регрессор случайного леса»] rmses = [] для модели в моделях: 
 rmses.append (np.sqrt (mean_squared_error (y_test, model.predict (X_test)))) x = np.arange (len (names)) 
 width = 0.3 
 fig, ax = plt.subplots (figsize = (10,7)) 
 rects = ax.bar (x, rmses, width) 
 ax.set_ylabel ('RMSE') 
 ax.set_xlabel ('Models') 
 ax.set_title ('RMSE with Different Algorithms') 
 ax.set_xticks (x) 
 ax.set_xticklabels (names, Rotation = 45) 
 autolabel (rects) 
 fig.tight_layout () 
 plt.show () 

Мы проанализировали данные о прочности на сжатие и использовали машинное обучение для прогнозирования прочности бетона на сжатие. Мы использовали линейную регрессию и ее варианты, деревья решений и случайные леса, чтобы делать прогнозы и сравнивать их эффективность.Регрессор случайного леса имеет самый низкий RMSE и является хорошим выбором для этой проблемы. Кроме того, мы можем дополнительно улучшить производительность алгоритма, настроив гиперпараметры, выполнив поиск по сетке или случайный поиск.

1. И-Ченг Йе, «Моделирование прочности бетона с высокими эксплуатационными характеристиками с использованием искусственных нейронных сетей», Исследование цемента и бетона, Vol. 28, №12, с. 1797–1808 (1998).
2. Ахсанул Кабир, М.Д. Монджурул Хасан, Хасро Миа, «Модель прогнозирования прочности для бетона», ACEE Int.J. по гражданской и экологической инженерии, Vol. 2, №1, август 2013 г.
3. https://archive.ics.uci.edu/ml/datasets/Concrete+Compressive+Strength

Прочность на сжатие цементного раствора, смешанного с кокосовыми волокнами и человеческими волосами

Несколько проблем возникло из-за повышения температуры использования раствора и бетона в последние несколько лет, когда это в значительной степени угрожает характеристикам раствора и бетона. Точно так же количество не поддающихся биологическому разложению отходов также увеличилось, что привело к антигигиеничным условиям.Необходимы усилия по информированию общественности о важности волокон и их последствиях как в краткосрочной, так и в долгосрочной перспективе [1]. Волокна — это отходы, которые получают из различных источников и, следовательно, обрабатываются как отходы, поскольку представляют серьезную угрозу для окружающей среды.

Кокосовые волокна представляют собой длинные нитевидные структуры, полученные из внешней оболочки кокосового ореха. Эти волокна очень прочные и жесткие. Волокна кокоса обладают самой высокой прочностью среди натуральных волокон. Кокосовое волокно демонстрирует отличную устойчивость к поражению грибами.Волокна кокоса действуют как отличные изоляторы от тепла и звука. Волокна кокоса легкие. Волокна кокоса действуют как огнестойкий материал. Кокосовые волокна не содержат каких-либо опасных материалов, поэтому с ними легко обращаться. Они имеют грубую структуру и поэтому образуют правильную и прочную связь с бетоном. Обладают водопоглощающей способностью. Точно так же человеческие волосы также являются отходами, и, поскольку они не поддаются биологическому разложению, они также представляют опасность для окружающей среды, поэтому их использование в строительном растворе может не только минимизировать его опасность для окружающей среды, но также может сыграть важную роль в повышении прочности раствора на сжатие.Он легко и дешево доступен во всем мире, поэтому его можно использовать в бетоне как самый дешевый ингредиент. Он обладает хорошей прочностью на разрыв, поэтому может играть важную роль в увеличении прочности раствора. Удельный вес колеблется от 1,2 до 1,35 [2]. Он легкий, поэтому строительный раствор из него также будет легким. Плотность кокосовых волокон колеблется в пределах 0,67–1 г / см ³ [3]. Волокна, используемые в строительном растворе и бетоне, безопасны для окружающей среды, а также являются экономичными, поскольку эти волокна доступны на местном уровне [4].

Из-за глобального потепления озоновый слой истощается, из-за чего температура земли постоянно увеличивается, что угрожает характеристикам бетона, используемого в наших конструкциях. 2009 год был объявлен Генеральной Ассамблеей Организации Объединенных Наций Международным годом натурального волокна, чтобы подчеркнуть его важность для мира и рассказать миру о его последствиях [5]. Более 500 000 тонн кокосового волокна производится во всем мире, включая Шри-Ланку, Филиппины, Непал и Индонезию.Пакистан также входит в число тех стран, где в прибрежных районах выращивают достаточное количество кокосовых орехов [5]. Цементные материалы, таким образом, снижают опасность для окружающей среды вместе с улучшением бетона с полезными свойствами. В настоящем исследовании кубики строительного раствора были приготовлены с различным процентным содержанием кокосовых волокон и волокон человеческого волоса и выдерживались до 28 дней. Испытания на прочность при сжатии проводились в разное время для наблюдения за характеристиками раствора, армированного волокном.

1. Длина: длина кокосовых волокон обычно составляет от 27 см до 35 см.
2. Диаметр: Диаметр кокосового волокна почти такой же и колеблется в пределах 12-25 микрон.
3. Плотность: Плотность кокосовых волокон колеблется от 0,67 до 1 г / см. ³ [3].
4. Прочность: волокна кокоса способны выдерживать дополнительную нагрузку в 4-6 раз больше, чем другие волокна.
5. Удельный вес: Диапазон удельного веса от 1.2-1,35 [2].

1. Удлинение до 5%, волосы эластичные

2. Волосы самые прочные, выдерживают вес 100 грамм и удлинение 55%

3. Волосы человека на 65-95% состоят из белков, более 32% — из воды, липидных пигментов и других компонентов. Химически около 80% человеческого волоса образовано белком, известным как кератин [6].

4.Кератин имеет особое сродство с водой. Это поглощение зависит от уровня относительной влажности воздуха и сильно влияет на все свойства волос, такие как способность к растяжению, диаметр и внутренняя вязкость волокон.

5. Трение во влажных волосах выше, чем в сухих.

6. Волосы также имеют тенденцию быть проницаемыми для воды в жидкой форме. Это поглощение сопровождается набуханием волос с увеличением диаметра нити на 15-10% и длины на 0,5-1,0%.

7. Он имеет высокую прочность на разрыв, равную прочности медной проволоки аналогичного диаметра [7].

8. Человеческие волосы не опасны, но не подвержены биологическому разложению, что создает угрозу для окружающей среды. Каждое использование человеческих волос не снижает количество отходов человеческого волоса, потому что в некоторых случаях утилизация волос после использования может вернуть их в потоки отходов. Например, даже несмотря на то, что в париках и наращивании волос используются человеческие волосы в больших количествах, волосы не расходуются во время использования, после чего их снова выбрасывают вместе с твердыми отходами.

9. Волосы не гниют и не оставляют их нетронутыми для безопасного повторного использования или переработки. Существуют применения, которые связаны либо с загрязнением волос токсичными химическими веществами, либо с необратимым смешиванием с некоторыми небиоразлагаемыми или экологически опасными материалами. Волосы, загрязненные токсичными органическими загрязнителями, являются одним из таких случаев. Другим таким применением могут быть композиты человеческого волоса с небиоразлагаемой смолой. Переработка или безопасная утилизация этих продуктов требует дальнейшей обработки для удаления конкретных загрязнений или отделения других материалов.Например, композиты для волос с небиоразлагаемой смолой потребуют метода разделения двух материалов или метода безопасного разложения, такого как горение при очень высоких температурах, чтобы гарантировать безопасное разрушение.

Эксперимент был запланирован для определения прочности на сжатие растворов с использованием кокосовых волокон и волокон человеческого волоса в дополнение к цементу в качестве отходов. Добавки волокон в различных процентных долях использовались в этом исследовании для изучения и наблюдения влияния различных уровней волокон в строительном растворе на их прочность на сжатие при разном возрасте отверждения.

ASTM типа I, соответствующий стандарту ASTM C-150. Физические свойства и химический состав OPC приведены в Таблице-1 и Таблице-2 соответственно.

Местный природный песок, проходящий через 4.В этом исследовании использовалось сито 75 мм и оставалось на сите 0,015 мм. Градация этого песка приведена в Таблице-3.

Модуль дисперсности песка рассчитывается как

Четыре различных пропорции смеси кубиков фиброцементного раствора (0%, 2%.4% и 6%) были получены размером 50 мм x 50 мм x 50 мм. Отношение цемента к песку сохранялось равным 1: 3 в качестве эталонного раствора для сравнения свойств раствора с добавлением волокон, в то время как отношение воды к цементу оставалось равным 0,6. Фибровый раствор означает раствор, изготовленный с использованием цемента и волокон в качестве добавочного материала с песком и водой. Подробная информация о пропорции смеси и материалах представлена ​​в Таблице 3.

Таблица 4: Дозирование смеси

4.4.

После сортировки волосы были вымыты водой с шампунем, так как мытье волос только водой вредно для волос. Он особенно подчеркивает негативное воздействие солнечного света, другого заклятого врага волос. Поощряется разложение меланина и усиливается обесцвечивание, связанное с солнцем. Сам кератин изменяется, делая волосы ломкими и легко повреждаемыми [8].

Затем волосы сушили на солнце. После высыхания волосы использовались в цементном растворе.

Всего в лаборатории отлито 140 образцов минометов. После литья образцы выдерживали при температуре 27 ° C и относительной влажности 90% в течение 24 часов. После извлечения из форм все образцы выдерживали в воде при комнатной температуре в течение 3, 7 и 28 дней. После определенного периода воздействия образец был испытан на прочность на сжатие в соответствии с процедурой испытаний (ASTM C109-87) [9].

Кубики для всех строительных растворов были испытаны на прочность на сжатие через 3, 7 и 28 дней. Результаты для минометов MC, MH, MCH показаны в таблице 4.

Таблица 5: Средняя прочность строительных смесей на сжатие

На рисунке 1 показано, что с добавлением кокосовых волокон в смесь прочность на сжатие увеличивается.Однако с дальнейшим увеличением процентного содержания кокосовых волокон в смеси прочность на сжатие увеличилась через 7 дней.

Однако через 3 дня отверждения не было разницы в прочности на сжатие раствора между 4% и 6% отверждения, в то время как на 28 день прочность на сжатие при 4% была выше 2% и ниже 6%. кокосовых волокон.

Рисунок 2 показывает, что с добавлением 2% человеческого волоса в смесь прочность на сжатие увеличилась.Однако при дальнейшем увеличении количества человеческих волос более чем на 2% прочность на сжатие постепенно снижалась, при этом самые низкие значения наблюдались при максимальной скорости 6% во все дни отверждения.

На рисунке 3 показано, что при добавлении 2% смешанных волокон (кокосовые волокна и человеческие волосы) в смесь прочность на сжатие увеличивалась через 3, 7 и 28 дней отверждения. Однако с дальнейшим увеличением количества смешанных волокон в смеси прочность на сжатие постепенно снижается с наименьшим значением 4% смешанных волокон на 7 ^-й и 28 ^-й дни отверждения, но прочность на сжатие была выше на 3 ^-й день для 4% смешанных волокон, чем 0% на 3 ^rd день отверждения, в то время как сжатие на 6% увеличивается на 3 дня и 7 дней отверждения, однако на 28 день отверждения прочность на сжатие была ниже на 6% более 2% смешанных волокон.

Эта исследовательская работа является дальнейшим расширением использования смешанных материалов под влиянием использования кокосовых волокон и человеческих волос, чтобы можно было увеличить прочность, а также уменьшить неблагоприятное воздействие этих отходов, чтобы сохранить нашу окружающую среду в чистоте от воздействия такие отходы.

• Кокосовое волокно, содержащее 4% в смеси, дает высокую прочность за 3 дня, а 6% дает высокую прочность на сжатие через 28 дней отверждения при комнатной температуре.
• За счет увеличения процентного содержания кокосовых волокон прочность раствора увеличивалась во все дни отверждения.
• Использование человеческих волос до 2% изначально давало высокую прочность. Однако при дальнейшем увеличении процентного содержания человеческих волос в смеси наблюдалось снижение прочности раствора на сжатие во все дни отверждения.
• Добавление 6% смешанных волокон (кокосовое волокно и человеческий волос) в цементный раствор показало более высокую прочность на сжатие на 3 ^день , чем 2% и 4%, в то время как прочность на сжатие раствора была на 2% выше на 28 ^th день, чем прочность на сжатие раствора для 4% и 6% волокон смеси.

Знаете ли вы, что средняя прочность раствора на сжатие будет для стандартного песка и цемента?

ВОПРОС

ОТВЕТ

ANSI не имеет стандартов прочности на сжатие для слоев раствора. Модифицированный раствор A118.7 имеет прочность на сжатие 3000 фунтов на квадратный дюйм.

Я не уверен, какой будет прочность на сжатие для обычного раствора. Я предполагаю, что обычный слой раствора должен иметь давление более 2000 фунтов на квадратный дюйм при правильном сжатии в зависимости от соотношения цемента, песка и воды.

Автобетоносмесители redimix могут создавать расчетную смесь определенной стоимости за счет использования большего количества цемента и меньшего количества воды для достижения более высокой прочности.

Есть несколько ключевых факторов для достижения высокой прочности на сжатие. Более высокое содержание цемента добавляет больше прочности, но не выше, чем смесь цемента с песком в соотношении 1: 3. Чем меньше воды вы используете, тем выше будет прочность, вплоть до содержания влаги 25%, что не будет подходящей смесью. Вот почему правильно перемешанный слой раствора с сухой набивкой даст вам большую прочность, что относится к типу, упомянутому в ANSI, что подразумевает необходимость утрамбовывать слой раствора для его сжатия.Я думаю, что наиболее важной частью является правильное сжатие сухого раствора для достижения высокой прочности на сжатие.

У большого проекта возникла проблема с этим, потому что установщики не уплотняли раствор. Они просто бросали камни на непостоянный объем раствора и не забивали камни полностью. Они использовали раствор на 5000 фунтов на квадратный дюйм, но поскольку они не полностью сжали слой раствора, они получили значения 1200 фунтов на квадратный дюйм из образцов, взятых на работе.

То, что я обычно делаю на нашей работе, — это либо установщики предварительно всплывают и проверяют, чтобы сухой пакет был хорошо сжат, либо при установке отдельных плиток большого формата по одной мокрой укладке у нас есть установщик, который насухо разбивает плитку свежий сухой строительный раствор, чтобы сжать его и убедиться, что он находится в полном контакте.После того, как раствор будет полностью сжат и достигнет нужной высоты по отношению к соседним плиткам, смажьте обратную сторону плиток маслом и вбейте плитки. Этот метод дает очень плотную и прочную основу раствора.

Надеюсь, что это поможет.