Published February 17, 2024 | Version v1
Publication Open

Machine learning base models to predict the punching shear capacity of posttensioned UHPC flat slabs

Creators

  • 1. Future University in Egypt
  • 2. October 6 University
  • 3. Ain Shams University

Description

The aim of this research is to present correction factors for the punching shear formulas of ACI-318 and EC2 design codes to adopt the punching capacity of post tensioned ultra-high-performance concrete (PT-UHPC) flat slabs. To achieve that goal, the results of previously tested PT-UHPC flat slabs were used to validate the developed finite element method (FEM) model in terms of punching shear capacity. Then, a parametric study was conducted using the validated FEM to generate two databases, each database included concrete compressive strength, strands layout, shear reinforcement capacity and the aspect ratio of the column besides the correction factor (the ratio between the FEM punching capacity and the design code punching capacity). The first considered design code in the first database was ACI-318 and in the second database was EC2. Finally, there different "Machine Learning" (ML) techniques manly "Genetic programming" (GP), "Artificial Neural Network" (ANN) and "Evolutionary Polynomial Regression" (EPR) were applied on the two generated databases to predict the correction factors as functions of the considered parameters. The results of the study indicated that all the developed (ML) models showed almost the same level of accuracy in terms of the punching ultimate load (about 96%) and the ACI-318 correction factor depends mainly on the concrete compressive strength and aspect ratio of the column, while the EC2 correction factor depends mainly on the concrete compressive strength and the shear reinforcement capacity.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

الهدف من هذا البحث هو تقديم عوامل تصحيح لصيغ القص المثقبة لرموز تصميم ACI -318 و EC2 لاعتماد قدرة التثقيب للألواح المسطحة ذات الأداء الفائق (PT - UHPC). ولتحقيق هذا الهدف، تم استخدام نتائج الألواح المسطحة PT - UHPC التي تم اختبارها سابقًا للتحقق من صحة نموذج طريقة العناصر المحدودة (FEM) المطور من حيث سعة القص بالثقب. بعد ذلك، تم إجراء دراسة بارامترية باستخدام FEM الذي تم التحقق من صحته لإنشاء قاعدتي بيانات، تضمنت كل قاعدة بيانات قوة انضغاط الخرسانة، وتخطيط الجدائل، وسعة تقوية القص ونسبة العرض إلى الارتفاع للعمود إلى جانب عامل التصحيح (النسبة بين سعة تثقيب FEM وسعة تثقيب رمز التصميم). كان رمز التصميم الأول المدروس في قاعدة البيانات الأولى هو ACI -318 وفي قاعدة البيانات الثانية كان EC2. أخيرًا، تم تطبيق تقنيات "التعلم الآلي" (ML) المختلفة يدويًا "البرمجة الجينية" (GP) و "الشبكة العصبية الاصطناعية" (ANN) و "الانحدار التطوري متعدد الحدود" (EPR) على قاعدتي البيانات اللتين تم إنشاؤهما للتنبؤ بعوامل التصحيح كوظائف للمعلمات المدروسة. أشارت نتائج الدراسة إلى أن جميع نماذج (ML) المطورة أظهرت نفس مستوى الدقة تقريبًا من حيث الحمل النهائي للثقب (حوالي 96 ٪) ويعتمد عامل تصحيح ACI -318 بشكل أساسي على قوة انضغاط الخرسانة ونسبة العرض إلى الارتفاع للعمود، بينما يعتمد عامل تصحيح EC2 بشكل أساسي على قوة انضغاط الخرسانة وسعة تقوية القص.

Translated Description (French)

L'objectif de cette recherche est de présenter des facteurs de correction pour les formules de cisaillement de poinçonnage des codes de conception ACI-318 et EC2 afin d'adopter la capacité de poinçonnage des dalles plates en béton ultra-haute performance post-tendu (PT-UHPC). Pour atteindre cet objectif, les résultats des dalles plates PT-UHPC précédemment testées ont été utilisés pour valider le modèle développé par la méthode des éléments finis (FEM) en termes de capacité de cisaillement par poinçonnage. Ensuite, une étude paramétrique a été menée en utilisant le FEM validé pour générer deux bases de données, chaque base de données comprenant la résistance à la compression du béton, la disposition des torons, la capacité de renforcement par cisaillement et le rapport d'aspect de la colonne en plus du facteur de correction (le rapport entre la capacité de poinçonnage du FEM et la capacité de poinçonnage du code de conception). Le premier code de conception considéré dans la première base de données était ACI-318 et dans la deuxième base de données était EC2. Enfin, différentes techniques de « Machine Learning » (ML) manly « Genetic programming » (GP), « Artificial Neural Network » (ANN) et « Evolutionary Polynomial Regression » (EPR) ont été appliquées sur les deux bases de données générées pour prédire les facteurs de correction en fonction des paramètres considérés. Les résultats de l'étude ont indiqué que tous les modèles développés (ML) ont montré presque le même niveau de précision en termes de charge ultime de poinçonnage (environ 96 %) et que le facteur de correction ACI-318 dépend principalement de la résistance à la compression du béton et du rapport d'aspect de la colonne, tandis que le facteur de correction EC2 dépend principalement de la résistance à la compression du béton et de la capacité de renforcement au cisaillement.

Translated Description (Spanish)

El objetivo de esta investigación es presentar los factores de corrección para las fórmulas de cizallamiento de perforación de los códigos de diseño ACI-318 y EC2 para adoptar la capacidad de perforación de las losas planas de hormigón de ultra alto rendimiento postensado (PT-UHPC). Para lograr ese objetivo, se utilizaron los resultados de losas planas PT-UHPC previamente probadas para validar el modelo del método de elementos finitos (FEM) desarrollado en términos de capacidad de cizallamiento de punzonado. Luego, se realizó un estudio paramétrico utilizando el FEM validado para generar dos bases de datos, cada base de datos incluyó la resistencia a la compresión del concreto, el diseño de los torones, la capacidad de refuerzo al corte y la relación de aspecto de la columna además del factor de corrección (la relación entre la capacidad de punzonado del FEM y la capacidad de punzonado del código de diseño). El primer código de diseño considerado en la primera base de datos fue ACI-318 y en la segunda base de datos fue EC2. Finalmente, se aplicaron diferentes técnicas de "Machine Learning" (ML), "Programación genética" (GP), "Red neuronal artificial" (ANN) y "Regresión polinómica evolutiva" (EPR) en las dos bases de datos generadas para predecir los factores de corrección como funciones de los parámetros considerados. Los resultados del estudio indicaron que todos los modelos desarrollados (ML) mostraron casi el mismo nivel de precisión en términos de la carga final de punzonado (alrededor del 96%) y el factor de corrección ACI-318 depende principalmente de la resistencia a la compresión del concreto y la relación de aspecto de la columna, mientras que el factor de corrección EC2 depende principalmente de la resistencia a la compresión del concreto y la capacidad de refuerzo al corte.

Files

s41598-024-54358-5.pdf.pdf

Files (4.1 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:76421813baa82f6c38b86ff1acf7e671
4.1 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
نماذج أساسية للتعلم الآلي للتنبؤ بقدرة القص الثاقبة للألواح المسطحة UHPC ذات الشد اللاحق
Translated title (French)
Modèles de base d'apprentissage automatique pour prédire la capacité de cisaillement de poinçonnage des dalles plates UHPC post-tendues
Translated title (Spanish)
Modelos de base de aprendizaje automático para predecir la capacidad de corte de punzonado de losas planas UHPC postensadas

Identifiers

Other
https://openalex.org/W4391896918
DOI
10.1038/s41598-024-54358-5

Is supplement to
https://openalex.org/W3007553461 (Other)
https://openalex.org/W2379579229 (Other)
https://openalex.org/W2366765718 (Other)
https://openalex.org/W2359733578 (Other)
https://openalex.org/W2351006892 (Other)
https://openalex.org/W2350042108 (Other)
https://openalex.org/W2314886821 (Other)
https://openalex.org/W2055256374 (Other)
https://openalex.org/W1993998220 (Other)
https://openalex.org/W117490442 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1793394389
  • https://openalex.org/W188054107
  • https://openalex.org/W1973724244
  • https://openalex.org/W2024457553
  • https://openalex.org/W2027066444
  • https://openalex.org/W2061933243
  • https://openalex.org/W2580301627
  • https://openalex.org/W3041160636
  • https://openalex.org/W3184048647
  • https://openalex.org/W4224281376
  • https://openalex.org/W4283820642
  • https://openalex.org/W4312070138
  • https://openalex.org/W4318921828
  • https://openalex.org/W4327815186
  • https://openalex.org/W4328093588