[2018] Estimation of bond-slip relation for adhesive anchors by machine learning
Keywords:機械学習、決定木、ニューラルネットワーク、パラメトリックスタディ、接着系アンカー、machine learning、decision trees、neural network、parametric study、adhesive anchors
近年，様々な分野で人工知能の活用が注目されている。本研究では，コンクリート強度fc，相対動弾性係数DMをパラメータとして接着系アンカーの付着実験を実施し，付着応力－すべり量（t-s）関係を機械学習により再現できるか検証した。その結果，決定木を用いた手法は，学習データ数を多く含むパラメータの試験体については，精度よく予測でき，ニューラルネットワーク（NN）は学習データ数による影響が少なく，安定して精度よく予測できた。また，パラメトリックスタディを実施し，パラメータの違いに適応する学習モデルの構築を目指した結果，NNが最も合理的な予測結果を得ることができた。