2 可知：

(1) 極限強度(Limit strength)因子

模式 1、模式 3 與模式 5 的

f 是這些模式所能達到的極限強度。在低、

_c 中、高齡期，其值分別約為 300~800 MPa、200~500 MPa、170~300 MPa，

有逐步遞減的傾向。因為低齡期混凝土其強度平均而言比高齡期者低，因 此極限強度對其而言是很遠的外推值，因此其極限強度較為不準。反之，

高齡期實驗數據得到極限強度推估值應較可信。這可從三種模式在低齡期 實驗數據得到極限強度推估值差異極大，而在高齡期時較為相近此一現象 得到印證。

(2) 曲線因子

c

模式 4、模式 5 與模式 6 是參考 Feret 的「混凝土強度與膠結料體積佔 所有基材的比例之平方成正比」之主張而設計的模式。因此如果 Feret 的主 張正確，則式中的待定參數

c

應為 2。由表 4-2 可知，在低、中、高齡期，

其值分別約為 2.9, 2.3, 1.9，齡期越高越接近 Feret 的主張。因為 Feret 的主 張是針對成熟(高齡期)的水泥混凝土強度，因此本文的高齡期時參數

c

值約 為 1.9 的結論非常接近其「平方成正比」的主張。此外，本文也證明其主 張也適用在含有大量爐石與飛灰的混凝土。

(3) 爐石效果因子

模式 1~6 的低齡期、中齡期及高齡期爐石效果因子如圖 4-1 所示。其 特徵有二：(1) 均小於 1.0；(2) 均隨齡期增加而遞增。前者的意義是爐石 對強度的貢獻無論是以重量(如模式 1~3)或體積(如模式 4~6)來論，均低於 水泥。後者的意義是爐石對早期強度的貢獻小，但對晚期強度的貢獻大。

此二個結論與以往的文獻的觀點一致[8]。

0 0.2 0.4 0.6 0.8 1

模式1 模式2 模式3 模式4 模式5 模式6

爐石效果因子

低 齡 期 中 齡 期 高 齡 期

圖 4-1 模式 1 至 6 的爐石效果因子

k

_sl變化 (4) 飛灰效果因子

模式 1~6 的低齡期、中齡期及高齡期飛灰因子效果如圖 4-2 所示。其 特徵是均小於 1.0，且大多小於同模式、同齡期下的爐石效果因子，代表飛 灰對強度的貢獻無論是以重量(如模式 1~3)或體積(如模式 4~6)來論，均低 於水泥與爐石。在模式 5 與模式 6 中，高齡期(≧56 天)者飛灰效果因子較 大，顯示飛灰對晚期強度的貢獻大。

0 0.2 0.4 0.6 0.8 1

模式1 模式2 模式3 模式4 模式5 模式6

飛灰效果因子

低 齡 期 中 齡 期 高 齡 期

圖 4-2 模式 1 至 6 的飛灰效果因子

k

_fl變化

其 6 種模式的訓練範例及測試範例 RMSE 結果如表 4-3 所示，由表 4-3 結果可知，在以 NLRA 方法建立預測模型時，以測試範例 RMSE 為準，將 實驗數據區分為低、中及高齡期的作法，比不區分的作法更準確。

表 4-3 NLRA 分析的訓練範例及測試範例結果

不分齡期 分齡期

模式 RMSE

全齡期 低齡期 中齡期 高齡期 低齡期 中齡期 高齡期 訓練範例 9.53 7.59 9.37 10.64 6.80 9.27 9.41 1 測試範例 10.22 8.34 10.44 10.29 7.66 10.47 9.69 訓練範例 9.17 7.42 8.98 10.29 6.24 8.90 9.22 2 測試範例 9.85 7.86 10.40 9.86 7.38 10.5 9.17 訓練範例 9.27 7.41 9.04 10.39 6.41 8.93 9.24 3 測試範例 9.97 8.04 10.39 10.03 7.46 10.48 9.43 訓練範例 9.25 7.39 9.08 10.39 6.34 8.98 9.26 4 測試範例 9.98 7.93 10.48 10.04 7.36 10.58 9.39 訓練範例 9.24 7.39 9.05 10.38 6.38 8.96 9.25 5 測試範例 9.97 7.93 10.47 10.04 7.25 10.57 9.39 訓練範例 9.24 7.38 9.05 10.39 6.30 8.96 9.25 6 測試範例 9.97 7.93 10.47 10.06 7.27 10.57 9.39 訓練範例 9.28 7.43 9.10 10.41 6.41 9.00 9.27 平均 測試範例 9.99 8.01 10.44 10.05 7.40 10.53 9.41

4-2-2 類神經網路於不同齡期 HPC 強度模型建構

為了比較不同齡期 HPC 強度模型建構，本文另外以類神經網路來建立 模型。本文以 12-12-1(12 輸入節點、12 隱藏節點、1 輸出節點)的網路架構 來做為準確度的比較，其初始權值範圍、初始學習速率、學習速率衰減率、

學習速率下限值、慣性因數初始值、慣性因數衰減率、慣性因數下限值為 及學習循環如 3-2-1 節所示，其 RMSE 如表 4-4 所示，其實際強度與預測強 度散佈圖如圖 4-3 至圖 4-5 所示。

表 4-4 類神經網路於不同齡期 HPC 強度模型建構結果

訊練範例 RMSE (MPa)

訓練範例 誤差百分比

測試範例 RMSE (MPa)

測試範例 誤差百分比

低齡期 4.29 22.90% 5.74 31.73%

中齡期 7.10 22.34% 9.56 22.41%

高齡期 5.33 12.02% 7.12 15.01%

其中誤差百分比公式為

n

n

i 1

)

2

i i

-i

筆實際值

在文檔中 中 華 大 學 (頁 58-61)