Om

Machine Learning som verktyg för att bättre förstå och prognosticera sambanden mellan materialegenskaper hos klimatförbättrad betong

Målet är att använda ML-baserade metoder för att utveckla algoritmer som kan användas för att förutsäga temperatur och hållfasthet hos klimatförbättrat betong. Dessa algoritmer integreras sedan i smarta verktyg för att proaktivt hjälpa betongproducenter och entreprenörer att öka och optimera användningen av klimatförbättrad betong.

Detta uppnås genom:
- Utvärdering av AI-metoder för styrkeförutsägelse, vilka som är lämpliga.
- Utveckling och testning av AI-modell för förutsägelse av långsiktig styrka (28d, 56d, etc.).
- Utvärdering av bästa AI-metoder för temperaturprognoser.
- Utveckling och testning av AI-modell för prognos av temperaturtrender.
- Jämförelser med befintliga prognosverktyg (Hett22, PPB) - matchar de?
- Analysera och föreslå algoritmer för notifikation/kontroll baserat på den aktuella temperaturprognosen.
- Utforska alternativa metoder (ex. Neural Network) kan vara ett bättre tillvägagångssätt för att uppnå 2030-agendan-sustainability.