การทำนายกำลังรับแรงอัดของคอนกรีตจากไฮบริดซีเมนต์ด้วยสมการถดถอยเชิงเส้นพหุคูณ สำหรับประยุกต์ใช้ในงานก่อสร้างอย่างยั่งยืน
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ศึกษากำลังรับแรงอัดของคอนกรีตที่ใช้ไฮบริดซีเมนต์เป็นวัสดุเชื่อมประสาน ซึ่งมีข้อดีคือใช้พลังงานในกระบวนการผลิตต่ำและปล่อยก๊าซคาร์บอนไดออกไซด์ในปริมาณต่ำ โดยพิจารณาส่วนผสมของคอนกรีตที่ใช้ปูนซีเมนต์ปอร์ตแลนด์และไฮบริดซีเมนต์ภายใต้ระยะเวลาการบ่มที่แตกต่างกัน วัตถุประสงค์หลักคือการพัฒนาสมการพยากรณ์กำลังรับแรงอัดของคอนกรีตด้วยวิธีการถดถอยเชิงเส้นพหุคูณ และวิเคราะห์ปัจจัยที่มีอิทธิพลต่อกำลังรับแรงอัด โดยเปรียบเทียบผลลัพธ์กับผลการทดสอบในห้องปฏิบัติการ ผลการศึกษาพบว่า กำลังรับแรงอัดของคอนกรีตที่ใช้ไฮบริดซีเมนต์มีแนวโน้มใกล้เคียงกับคอนกรีตที่ใช้ปูนซีเมนต์ปอร์ตแลนด์ และเมื่อระยะเวลาบ่มเพิ่มขึ้น กำลังรับแรงอัดของคอนกรีตไฮบริดซีเมนต์มีค่าสูงกว่าคอนกรีตที่ใช้ปูนซีเมนต์ปอร์ตแลนด์ นอกจากนี้ การประมวลผลข้อมูลด้วยโปรแกรมทางสถิติพบว่า สมการพยากรณ์สามารถทำนายกำลังรับแรงอัดได้อย่างแม่นยำถึง 92.00% โดยปัจจัยที่มีอิทธิพลมากที่สุดคือระยะเวลาการบ่มและอัตราส่วนน้ำต่อปูนซีเมนต์ สุดท้ายงานวิจัยนี้สามารถเป็นแนวทางในการพัฒนาวัสดุคอนกรีตที่ยั่งยืนและประยุกต์ใช้ในงานก่อสร้างอาคารและโครงสร้างพื้นฐาน
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารฯ ถือเป็นลิขสิทธิ์ของวารสารฯ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะได้รับอนุญาต แต่ห้ามนำไปใช้เพื่่อประโยชน์ทางธุรกิจ และห้ามดัดแปลง
เอกสารอ้างอิง
Scrivener KL, John VM, Gartner EM. Eco-efficient cements: potential economically viable solutions for a low-CO2 cement-based materials industry. Cement and Concrete Research. 2018; 114: 2-26.
Habert G, Miller SA, John VM, Provis JL, Favier A, Horváth A, Scrivener KL. Environmental impacts and decarbonization strategies in the cement and concrete industries. Nature Reviews Earth & Environment. 2020; 1(11): 559-573.
Gartner E, Hirao H. A review of alternative approaches to the reduction of CO2 emissions associated with the manufacture of the binder phase in concrete. Cement and Concrete Research. 2015; 78: 126-142.
Montgomery DC, Peck EA, Vining GG. Introduction to Linear Regression Analysis, 6th ed. John Wiley & Sons; 2021.
ชาญชัย เงาะปก จักษดา ธำรงวุฒิ นำชัย จ้อยสูงเนิน เชิดศักดิ์ สุขศิริพัฒนพงศ์, สิทธิชัย แสงอาทิตย์. การประยุกต์ใช้ปูนซีเมนต์ไฮดรอลิกที่เป็นมิตรต่อสิ่งแวดล้อมสำหรับเสาท่อเหล็กหน้าตัดสี่เหลี่ยมผืนผ้ากรอกคอนกรีตกำลังสูง. วารสารวิทยาศาสตร์และเทคโนโลยี. 2567; 32(3): 96-112.
วรรธนะ ประภาภรณ. การวิเคราะห์ความสัมพันธ์ของปริมาณวัสดุก่อสร้างสำหรับอาคารคอนกรีตเสริมเหล็กระหว่างวิธีแบบจำลองการถดถอยเชิงซ้อนและวิธีโครงข่ายประสาทเทียม. วิศวกรรมสาร มหาวิทยาลัยนเรศวร. 2562; 14(1): 84-102.
Ameen JRM, Neale RH, Abrahamson M. An application of regression analysis to quantify a claim for increased costs. Construction Management & Economics. 2003; 21(2): 159-165.
Boukarta S. Predicting energy demand of residential buildings: A linear regression-based approach for a small sample size. Selected Scientific Papers - Journal of Civil Engineering. 2021; 16(2): 67-85.
Shastry A, Sanjay HA, Bhanusree E. Prediction of crop yield using regression techniques. International Journal of Soft Computing. 2017; 12(2): 96-102.
Qiu M, Zigler C, Selin NE. Statistical and machine learning methods for evaluating trends in air quality under changing meteorological conditions. Atmospheric Chemistry and Physics. 2022; 22(16): 10551-10566.
Shaker AH, Ibrahim IA, Gharghan SK. Cardiovascular diseases prediction using machine learning algorithms: A comparative study. In AIP Conference Proceedings. 2024; 3232(1): 04004.
Roh S, Shin Y, Yang S. Optimization of green concrete mixture design using hybrid machine learning techniques. Construction and Building Materials. 2021; 299: 124275.
