Data Mining Techniques for Prediction of Concrete Compressive Strength (CCS)

المؤلفون

  • Prof. Yousef Saleh Abu Zir جامعة القدس المفتوحة، فلسطين
  • Eng. Saleh Yousef Abu Zir University of Brescia

الكلمات المفتاحية:

Data Mining، Concrete Compressive Strength (CCS)، K-means، EM Algorithm، Kohonen’s Self-Organizing Map (KSOM)، Clustering.

الملخص

The main aim of this research is to use data mining techniques to explore the main factors affecting the strength of concrete mix. In this research, we are interested in finding some of the factors that influence the high performance of concrete to increase the Concrete Compressive Strength (CCS) mix. We used Waikato’s Knowledge Analysis Environment (WEKA) tool and algorithms such as K-Means, Kohonen’s Self Organizing Map (KSOM) and EM to identify the most influential factors that increase the strength of the concrete mix. The results of this research showed that EM is highly capable of determining the main components that affect the compressive strength of high performance concrete mix. The other two algorithms, K-Means and KSOM, were noted to be an advanced predictive model for predicting the strength of the concrete mix.

السيرة الشخصية للمؤلف

Prof. Yousef Saleh Abu Zir، جامعة القدس المفتوحة، فلسطين

أستاذ مشارك

التنزيلات

منشور

2020-04-07

إصدار

القسم

الأبحاث

الأعمال الأكثر قراءة لنفس المؤلف/المؤلفين

عذراً: هذه الإضافة تتطلب تمكين إضافة إحصائيات/تقارير واحدة على الأقل حتى تتمكن من العمل. إن كانت إضافات الإحصائيات لديك تقدم أكثر من مقياس واحد، فعليك أيضاً اختيار مقياس رئيسي منها عند صفحة إعدادات الموقع و/أو عند صفحات الإدارة الخاصة برئيس تحرير المجلة.