臺灣博碩士論文加值系統

高性能混凝土(HPC)係由傳統混凝土的水泥、骨材、水等材料以外，再添加適量之波索蘭材料及強塑劑，如此多樣化且複雜的材料組合，使得HPC的性質十分敏感，故若要達到使用者的性能要求，對於材料的掌握變得相當重要。傳統以統計學的公式預測法，依水灰比或水膠比預測混凝土的強度，但精度不甚理想；由於類神經網路具有可調性以及可容錯性的特性，對於處理具有龐大、複雜的資訊的混凝土強度預測問題，已有具體的成效，但過去研究多是以監督式的類神經網路建構預測模型；本研究將提出以非監督式模糊類神經網路推理模式(Unsupervised Fuzzy Neural Network Reasoning Model，UFN)建立混凝土的強度預測模型，並與監督式的BFGS演算法與傳統公式預測法同時進行分析；從實例分析結果來看，UFN推理模式對於一般混凝土及高性能混凝土的強度預測，具有相對系統誤差5%以下的良好精度，證明UFN推理模式，對於處理包含資料複雜、龐大，以及高度非線性的混凝土強度預測問題，與監督式類神經網路同樣具有優良的解決能力。

In addition to the four basic ingredients of the conventional concrete, i.e., Portland cement, fine and coarse aggregates, and water, the making of HPC needs to incorporate the supplementary cementations materials, such as fly ash and blast furnace slag, and chemical admixtures such as superplasticizer. Hence, the characteristics of HPC are much more complex and hard to build an effective model to estimate the strength by mathematical model. Proposed by Hung and Jan, Unsupervised Fuzzy Neural Network(UFN) Reasoning Model has been proved an effective learning model in engineering design. In this work, a UFN reasoning model has been apply to predict the strength properties of high-performance concrete (HPC) mixes. About thousand data collected from different labs are used as training instances. For the sake of comparison, a supervised neural network with BFGS learning model is also employed to train the training data. The simulation results reveal that the UFN reasoning model can not only reason hundreds training data in reasonable computational time but also yield superior prediction of HPC strength to those generated through supervised neural network learning models.

中文摘要……………………………………………I
英文摘要……………………………………………II
誌謝…………………………………………………III
目錄…………………………………………………IV
表目錄……………………………………………… VI
圖目錄……………………………………………… VII
符號說明……………………………………………IX
第一章 緒論…………………………………… 1
1.1 研究動機……………………………… 1
1.2 研究目的……………………………… 2
1.3 研究方法與基本架構………………… 2
1.4 本文內容……………………………… 3
第二章 文獻回顧……………………………… 4
2.1 高性能混凝土之定義………………… 4
2.2 高性能混凝土的材料組成及性質…… 5
2.2.1 水泥…………………………… 5
2.2.2 骨材…………………………………… 6
2.2.3 飛灰…………………………………… 7
2.2.4 爐石…………………………………… 8
2.2.5 強塑劑………………………………… 8
2.3 混凝土強度預測公式………………… 10
2.3.1 一般混凝土強度預測公式……… 10
2.3.2 高性能混凝土強度預測公式…… 11
第三章 非監督式模糊模糊類神經網路……… 12
3.1 類神經網路(Artificial Neural Networks)之理論背景…12
3.1.1 生物神經元模型…………………… 12
3.1.2 神經元之運算模型………………… 13
3.1.3 類神經網路架構…………………… 14
3.2 模糊(Fuzzy)理論……………………… 16
3.2.1、何謂模糊集合……………………… 16
3.3 非監督式模糊神經網路推理模式……… 18
3.3.1 相似度量測………………………… 19
3.3.2 相似案例之模糊集合……………… 19
3.3.3 模糊組合…………………………… 21
3.4 相關性分析與自調式法………………… 22
3.4.1 相關性分析………………… 22
3.4.2 自調式法…………………………… 23
3.4.3 UFN學習模式流程………………… 25
第四章 混凝土強度預測模型…………………27
4.1 知識案例庫的建立………………………27
4.2 知識表達方式(Knowledge Representation)………27
4.2.1 知識案例庫的分類…………………27
4.2.2 知識案例庫的正規化方式………… 29
4.3 學習與預測結果………………………… 29
4.3.1 一般混凝土強度預測模型………… 30
4.3.2 高性能混凝土強度預測模型……… 33
4.3.3 混凝土強度預測模型……………… 35
第五章 結論與建議………………………………38
5.1 結論…………………………………………38
5.2 建議…………………………………………39
參考文獻…………………………………………… 41
附表………………………………………………… 43
附圖………………………………………………… 57

1.Hung, S.L and Jan, J.C, “Machine Learning in Engineering Design-An Unsupervised Fuzzy Neural Network Learning Model,” Proceedings of Intelligent Information Systems (IIS’97), Grand Bahama, December 8-10, IEEE Computer Society, California, pp. 156-160.
2.Hung, S.L and Jan, J.C, “Machine Learning in Engineering Analysis and Design: An Integrated Fuzzy Neural Network Learning Model,” Computer-Aided Civil and Infrastructure Engineering, 14(1999) 207-219.
3.Abrams, Duff A., “Design of Concrete Mixtures,” Bulletin NO. 1, Structural Material Research Lab., Lewis institute, Chicago, Dec. 1918.
4.Sandor Popovics, “Generalization of the Abram’s Law-Prediction of Str. Development of Concrete from Cement Properties,” ACI, Mar.-April, 1981, pp. 123-129.
5.Hung, S.L and Jan, J.C, “Augment IFN Learning Model,” Journal of Computing in Civil Engineering, 14(January 2000) 15-22.
6.Hojjat Adeli, Shih-Lin Hung, Machine Learning-Neural Network, Genetic Algorithms, and Fuzzy Systems, John Wiley & Sons, Inc., New York, 1995.
7.薛孝斌，「添加稻殼灰飛灰高性能混凝土拌和效能之研究」，國立交通大學土木工程研究所，碩士論文。民國八十六年七月。
8.賴鴻成，「類神經網路在混凝土材料強度之應用」，國立交通大學土木工程研究所，碩士論文。民國八十二年六月。
9.彭釗哲，「以類神經網路在高性能混凝土抗壓強度之應用」，中華大學土木工程研究所，碩士論文，民國八十八年四月。
10.曹本介，「中低強度稻穀灰飛灰高性能混凝土之工程性質研究」，國立交通大學土木工程研究所，碩士論文。民國八十六年七月。
11.黃立信，「土木材料」，初版，三民書局，臺北市，民國八十七年三月。
12.林炳炎，「飛灰用在混凝土中」，初版，現代營建雜誌社，臺北市，民國八十年六月。
13.「高爐水泥混凝土之應用」，混凝土技術研討會，台北、高雄，民國八十二年三月。
14.葉基棟，彭耀南，黃兆龍，高健章，林建宏等，「高強度混凝土設計及施工準則初步研究」，中國土木水利工程學會，建研所專題研究成果報告A09~22，pp. 8-28，民國八十九年。
15.黃兆龍，陳建成，江明英，郭金祥，「拌和水量對混凝土工作性質影響」，中國土木水利學刊，第九卷，第四期，pp. 561-570，民國八十六年。
16.賴俊明，「非監督式模糊神經網路推理模式於結構主動控制之應用」，國立交通大學土木工程研究所，碩士論文，民國八十七年六月。
17.葉怡成，「類神經網路模式應用與實作」，二版，儒林圖書有限公司，民國八十二年八月。
18.林昇甫，洪成安，「神經網路入門與圖樣辨識」，初版，全華科技圖書股份有限公司，台北市，民國八十二年九月。
19.高清雲，「類神經網路在結構主動控制上的應用」，國立交通大學土木工程研究所，碩士論文，民國八十五年六月。
20.李金進，「類神經網路在脈衝式結構主動控制上的應用」，國立交通大學土木工程研究所，碩士論文，民國八十六年六月。
21.洪士林，「類神經網路系統在土木結構設計之應用」，營建知訊，第138期，民國八十三年三月。
22.張旭正，「FUZZY淺談」，初版，松崗電腦圖書資料股份有限公司，台北市，民國八十二年八月。
23.李作剛，「整合式與UFN式案例基推理於鋼結構大樓初步斷面設計模式之發展」，國立交通大學土木工程研究所，碩士論文，民國八十七年六月。
24.林育樓，「類神經網路在受壓鋼柱設計上之應用」，國立交通大學土木工程研究所，碩士論文。民國八十三年六月。
25.陳彥豪，「波索蘭混凝土之耐久性研究」，國立交通大學土木工程研究所，碩士論文。民國八十四年六月。
26.林炳炎，「飛灰、矽灰、高爐爐石混凝土中」，初版，三民書局，臺北市，民過八十二年十月。