[1052] 機械学習を援用した収縮ひずみの終端値予測に対する短期間実測値の影響
キーワード：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。