The increasing demand of concrete structures raised the issue of raw material consumption and scarcity. Meanwhile, the service life of several buildings is coming to an end, resulting in substantial formation of construction and demolition waste (CDW). The demolition of old concrete structures to obtain recycled aggregates is one of the most common routes to both reduce the consumption of raw materials and avoid landfilling. Numerous studies addressed the properties of recycled aggregate concrete (RAC), where the coarse aggregates are replaced by the crushed material. Owing to the wide availability of data, it was possible to create a database including input and output properties of RAC, respectively related to origins of the waste material and mix design and slump, shrinkage, and strength. The rate of water absorption was also included as a durability parameter of the resulting concrete. The correlation between input and output parameters for concrete production is a crucial aspect in mix design and the significant variability of the parameters involved requires powerful tools to be addressed. For this purpose, artificial neural networks (ANN) are a suitable artificial intelligence (AI) application to bridge the knowledge gap currently present in RAC production. This work developed a neural network to correlate various input parameters with the expected performance of the RAC concrete both at fresh and hardened state.

La crescente domanda di strutture in calcestruzzo ha sollevato il problema del consumo e della scarsità di materie prime. Nel frattempo, la vita utile di molti edifici sta volgendo al termine, con la conseguente formazione di una notevole quantità di rifiuti da costruzione e demolizione (CDW). La frantumazione di vecchie strutture in calcestruzzo per formare aggregati riciclati è una delle strade più comuni per ridurre il consumo di materie prime ed evitare lo smaltimento in discarica. Numerosi studi si sono occupati delle proprietà del calcestruzzo con aggregati riciclati (RAC), in cui gli aggregati grossi sono sostituiti dal materiale frantumato. Grazie all'ampia disponibilità di dati, è stato possibile creare un database che include le proprietà in ingresso e in uscita del RAC, rispettivamente relative all'origine del materiale di scarto e alla progettazione della miscela, nonché a slump, ritiro e resistenza. È stato incluso anche il tasso di assorbimento dell'acqua come parametro di durabilità del calcestruzzo risultante. La correlazione tra i parametri di input e output per la produzione di calcestruzzo è un aspetto cruciale nella progettazione delle miscele e la significativa variabilità dei parametri coinvolti richiede strumenti potenti per essere affrontata. A tal fine, le reti neurali artificiali (ANN) sono un'applicazione di intelligenza artificiale (AI) adatta a colmare il divario di conoscenza attualmente presente nella produzione di RAC. Questo lavoro ha sviluppato una rete neurale per correlare vari parametri di input con le prestazioni attese del calcestruzzo RAC sia allo stato fresco che indurito.

Prediction of recycled aggregate concrete properties by means of artificial neural network

DA SILVA BORZI, YASMIN HELENA
2022/2023

Abstract

The increasing demand of concrete structures raised the issue of raw material consumption and scarcity. Meanwhile, the service life of several buildings is coming to an end, resulting in substantial formation of construction and demolition waste (CDW). The demolition of old concrete structures to obtain recycled aggregates is one of the most common routes to both reduce the consumption of raw materials and avoid landfilling. Numerous studies addressed the properties of recycled aggregate concrete (RAC), where the coarse aggregates are replaced by the crushed material. Owing to the wide availability of data, it was possible to create a database including input and output properties of RAC, respectively related to origins of the waste material and mix design and slump, shrinkage, and strength. The rate of water absorption was also included as a durability parameter of the resulting concrete. The correlation between input and output parameters for concrete production is a crucial aspect in mix design and the significant variability of the parameters involved requires powerful tools to be addressed. For this purpose, artificial neural networks (ANN) are a suitable artificial intelligence (AI) application to bridge the knowledge gap currently present in RAC production. This work developed a neural network to correlate various input parameters with the expected performance of the RAC concrete both at fresh and hardened state.
DAVOLIO, MARCO
ING I - Scuola di Ingegneria Civile, Ambientale e Territoriale
9-apr-2024
2022/2023
La crescente domanda di strutture in calcestruzzo ha sollevato il problema del consumo e della scarsità di materie prime. Nel frattempo, la vita utile di molti edifici sta volgendo al termine, con la conseguente formazione di una notevole quantità di rifiuti da costruzione e demolizione (CDW). La frantumazione di vecchie strutture in calcestruzzo per formare aggregati riciclati è una delle strade più comuni per ridurre il consumo di materie prime ed evitare lo smaltimento in discarica. Numerosi studi si sono occupati delle proprietà del calcestruzzo con aggregati riciclati (RAC), in cui gli aggregati grossi sono sostituiti dal materiale frantumato. Grazie all'ampia disponibilità di dati, è stato possibile creare un database che include le proprietà in ingresso e in uscita del RAC, rispettivamente relative all'origine del materiale di scarto e alla progettazione della miscela, nonché a slump, ritiro e resistenza. È stato incluso anche il tasso di assorbimento dell'acqua come parametro di durabilità del calcestruzzo risultante. La correlazione tra i parametri di input e output per la produzione di calcestruzzo è un aspetto cruciale nella progettazione delle miscele e la significativa variabilità dei parametri coinvolti richiede strumenti potenti per essere affrontata. A tal fine, le reti neurali artificiali (ANN) sono un'applicazione di intelligenza artificiale (AI) adatta a colmare il divario di conoscenza attualmente presente nella produzione di RAC. Questo lavoro ha sviluppato una rete neurale per correlare vari parametri di input con le prestazioni attese del calcestruzzo RAC sia allo stato fresco che indurito.
File allegati
File Dimensione Formato  
2024_04_DaSilvaBorzi.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Thesis file
Dimensione 7.1 MB
Formato Adobe PDF
7.1 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/218870