[1052] Effect of Short-Term Measurements on the Prediction of Final Shrinkage Strain Value with the Aid of Machine Learning
Keywords:乾燥収縮ひずみ、実測値、機械学習、終端値予測
乾燥収縮ひずみの終端値ε∞は，配合や寸法,環境条件といった入手が容易な変数のみならず,骨材の比表面積など入手困難なものの影響も受けるため，これらの変数をすべて用いたε∞のモデルの構築は難しく，実務にも不向きである。本研究では，機械学習を用いたε∞の予測モデルの説明変数に，入手困難な変数の代替として，様々な変数の影響を包含している乾燥開始後から28日時点の収縮ひずみε28の実測値を用い，その有用性を確認した。また，ε28に包含されない変数を適切に抽出し，それらの変数とε28を組み合わせた説明変数により，既存式に比して高い精度でε∞を予測できることを示した。