Please use this identifier to cite or link to this item: http://202.28.34.124/dspace/handle123456789/959
Full metadata record
DC FieldValueLanguage
dc.contributorThanawat Choksawangnetren
dc.contributorธนวัฒน์ โชคสว่างเนตรth
dc.contributor.advisorRaungrut Cheeraroten
dc.contributor.advisorเรืองรุชดิ์ ชีระโรจน์th
dc.contributor.otherMahasarakham University. The Faculty of Engineeringen
dc.date.accessioned2021-09-05T09:08:23Z-
dc.date.available2021-09-05T09:08:23Z-
dc.date.issued19/6/2020
dc.identifier.urihttp://202.28.34.124/dspace/handle123456789/959-
dc.descriptionDoctor of Philosophy (Ph.D.)en
dc.descriptionปรัชญาดุษฎีบัณฑิต (ปร.ด.)th
dc.description.abstractThe objective of this thesis was to study the prediction of expansion due to sulfate of fly ash and ground bottom ash mortar using Artificial neural network and Adaptive network-based fuzzy inference system. Bottom ash from Mae Moh power plant was ground to 2 sizes, then was used to replace Portland cement type I at the ratio of 0, 10, 20, 30, 40, 50 and 60 percent by weight of binder to cast mortar bar. All samples of mortars were immersed in a solution of magnesium sulfate and sodium sulfate at concentrations of 2.5, 5.0, 7.5 and 10.0 by weight. Then the expansion of the mortar bars of different ages was used to predict sulfate expansion by using Artificial neural network and Adaptive network-based fuzzy inference system. From the model predictions, Artificial neural network and Adaptive network-based fuzzy inference system have very high accuracy in predicting the expansion. The statistical value of the absolute variance is greater than 0.99 and Adaptive network-based fuzzy inference system has a slightly more accurate prediction than the artificial neural network model. From the experiment, it can be concluded that the model of Artificial neural network and Adaptive network-based fuzzy inference system have very high potential for predicting the expansion due to sulfate of fly ash and ground bottom ash mortars.en
dc.description.abstractจุดประสงค์ของวิทยานิพนธ์ฉบับนี้คือเพื่อศึกษาการทำนายการขยายตัวเนื่องจากซัลเฟตของมอร์ต้าร์ผสมเถ้าลอยและเถ้าก้นเตาบดละเอียดโดยแบบจำลองโครงข่ายประสาทเทียมและระบบอนุมานความคลุมเครือแบบปรับตัวได้ โดยนำเถ้าก้นเตาจากโรงไฟฟ้าแม่เมาะมาบดให้มี 2 ขนาด จากนั้นใช้แทนที่ปูนซีเมนต์ปอร์ตแลนด์ประเภทที่  1  ในอัตราส่วนร้อยละ  0,  10,  20,  30,  40,  50  และ  60  โดยน้ำหนักวัสดุประสาน  เพื่อหล่อมอร์ต้าร์  โดยแช่ตัวอย่างมอร์ต้าร์ทั้งหมดในสารละลายแมกนีเซียมซัลเฟตและโซเดียมซัลเฟตที่ความเข้มข้นร้อยละ  2.5,  5.0, 7.5  และ  10.0  โดยน้ำหนัก จากนั้นทำการวัดค่าการขยายตัวของแท่งมอร์ต้าร์ที่อายุต่างๆ และนำข้อมูลที่ได้มาทำนายการขยายตัวเนื่องจากซัลเฟตโดยใช้แบบจำลองโครงข่ายประสาทเทียมและระบบอนุมานความคลุมเครือแบบปรับตัวได้ จากการทำนายของแบบจำลองพบว่าแบบจำลองโครงข่ายประสาทเทียมและระบบอนุมานความคลุมเครือแบบปรับตัวได้มีความแม่นยำในการทำนายการขยายตัวที่สูงมาก โดยมีค่าสถิติของค่าความแปรปรวนสัมบูรณ์สูงกว่า 0.99  โดยแบบจำลองระบบอนุมานความคลุมเครือแบบปรับตัวได้มีผลการทำนายที่แม่นยำมากกว่าแบบจำลองแบบจำลองโครงข่ายประสาทเทียมเล็กน้อย จากการทดลองสามารถสรุปได้ว่าแบบจำลองโครงข่ายประสาทเทียมและระบบอนุมานความคลุมเครือแบบปรับตัวได้มีศักยภาพสูงมากในการใช้ทำนายการขยายตัวเนื่องจากซัลเฟตของมอร์ต้าร์ผสมเถ้าลอยและเถ้าก้นเตาบดละเอียดth
dc.language.isoth
dc.publisherMahasarakham University
dc.rightsMahasarakham University
dc.subjectการขยายตัวของมอร์ต้าร์th
dc.subjectแบบจำลองโครงข่ายประสาทเทียมth
dc.subjectแบบจำลองระบบอนุมานความคลุมเครือแบบปรับตัวได้th
dc.subjectexpansion of mortaren
dc.subjectArtificial neural networken
dc.subjectAdaptive network-based fuzzy inference systemen
dc.subject.classificationEngineeringen
dc.titlePrediction of expansion due to sulfate of fly ash and ground bottom ash mortar using Artificial neural network and Adaptive network-based fuzzy inference systemen
dc.titleการทำนายการขยายตัวเนื่องจากซัลเฟตของมอร์ต้าผสมเถ้าลอยและเถ้าก้นเตาบดละเอียดโดยแบบจำลองโครงข่ายประสาทเทียมและระบบอนุมานความคลุมเครือแบบปรับตัวได้th
dc.typeThesisen
dc.typeวิทยานิพนธ์th
Appears in Collections:The Faculty of Engineering

Files in This Item:
File Description SizeFormat 
57010361002.pdf8.32 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.