Search

Recycled concrete aggregates (RCAs) and supplementary cementitious materials (SCMs) may substitute some cement and natural aggregates (NA) in concrete manufacturing. However, their effects on recycled aggregate concrete (RAC) compressive strength are difficult to model. Reactivity, silica, and alumina modulus were examined for cementitious materials' chemical complexity. Random Forest approaches were developed to predict and analyze RAC compressive strength. Even with RCAs and SCMs, the RF model accurately estimated concrete compressive strength. The Variable Importance (VI) research examined how input factors affected RAC compressive strength. VI indicated that silica fume contributes most to RAC compressivestrength, followed by cementitious materials' reactivity modulus, cement content, silica modulus, fine natural aggregate content, and coarse naturalaggregate dosage. The water dosage, water/binder ratio, and RCA content lower the RAC compressive strength. As a result, to highlight, the amount of SCM was not significant, but its nature was (i.e., hydraulic, silica pozzolanic, or alumina pozzolanic)., Los agregados de concreto reciclado (ACR) y los materiales cementantes suplementarios (MCS) pueden sustituir parcialmente cemento y agregados naturales (NA) en la fabricación de concreto. Sin embargo, sus efectos sobre la resistencia a la compresión del concreto con agregados reciclados (CAR) son difíciles de modelar. Se examinaron los módulos de reactividad, sílice y alúmina para determinar la complejidad química de los materiales cementosos. Se desarrollaron enfoques de Random Forest para predecir y analizar la resistencia a la compresión de los CAR. Incluso con ACR y MCS, el modelo de RF estimó con precisión la resistencia a la compresión del concreto. El análisis de importancia de variable (IV) examinó cómo los factores de entrada afectaron a la resistencia a la compresión del RAC. IV indicó que el humo de sílice contribuye más a la resistencia a la compresión del CAR, seguido del módulo de reactividad de los materiales cementantes, el contenido de cemento, el módulo de sílice, el contenido de agregados naturales finos y la dosificación de agregados naturales gruesos. La dosificación de agua, la relación agua/cemento y el contenido de ACR reducen la resistencia a la compresión de CAR. Como resultado a destacar, la cantidad de MCS no fue significativa, pero sí su naturaleza (es decir, hidráulica, sílice puzolánica o alúmina puzolánica).

In this research, a one-hidden layer artificial neural network paradigm (ANN) was created to forecast the slump flow of ultra-high-performance concrete (UHPC). To achieve this goal, 3,200 ANNs were evaluated to estimate the fresh UHPC’s slump flow utilizing 793 observations. The performance metrics measured on training and test data subsets were in the same order of magnitude, thereby pointing out the proper work of the k-fold validation procedure. The results of the connection weight approach analysis (CWA) indicated that water dosage had the highest positive importance in slump flow, preceding the superplasticizer volume ratio. Other factors that positively influenced slump flow were the water-to-powder ratio, the dosage of high-alkali glass powder, the water-to-b inder ratio, and limestone concentration. The most negative influences on rheology were the high-alumina FC3R and metakaolin. The ANN accurately predicted the slump flow of UHPC, while the results of the CWA analysis were well-correlated with previous research., En esta investigación, se desarrolló un modelo de red neuronal artificial de una capa oculta para pronosticar el flujo estático del concreto de ultra alto rendimiento (UHPC). Se evaluaron 3200 redes neuronales artificiales para estimar el flujo estático del UHPC fresco utilizando 793 observaciones. Las métricas de rendimiento medidas en los subconjuntos de datos de entrenamiento y de testeo estuvieron en el mismo orden de magnitud, lo que indica el trabajo adecuado del procedimiento de validación cruzada k-fold. Los resultados del análisis de enfoque de peso de conexión (CWA) indicaron que el contenido de agua tuvo la mayor importancia positiva en el flujo estático, precediendo a la relación de volumen del superplastificante. Otros factores que influyeron positivamente en el flujo estático fueron la relación agua-polvos-totales, la dosificación de polvo de vidrio con alto contenido de álcali, la relación agua-aglutinante y la dosificación del carbonato cálcico. La influencia más negativa en la reología fueron el FC3R alto en alúmina y el metacaolín. La ANN predijo con precisión el flujo de asentamiento de UHPC, mientras que los resultados del análisis CWA se correlacionaron bien con investigaciones previas.