ハードクラスタリングとファジークラスタリングベースの回帰技術を使用したコンクリート圧縮強度の推定

コンクリートの圧縮強度の理解は、建設の取り決め、プレストレス操作、新しい混合物の比例などの活動や品質保証にとって重要です。回帰手法は、独立変数と依存（予測）変数との関係が識別される予測タスクに最も広く使用されています。クラスタリングを回帰とともに使用できる場合、予測のための回帰技術の精度を改善できます。クラスタリングと回帰により、従属変数と独立変数間のより正確な曲線フィッティングが保証されます。この作業では、コンクリートの圧縮強度を推定するためにクラスター回帰手法が適用され、コンクリートの圧縮強度を予測するための新しい最新技術が提案されています。この作業の目的は、クラスタリングと回帰とともに、具体的な圧縮強度を推定するための予測エラーが少なくなることを実証することです。提案された手法は2つの主要な段階で構成されています。第1段階では、クラスタリングを使用して同様の特性コンクリートデータをグループ化し、第2段階では、これらのクラスター（グループ）に回帰技術を適用して、個々のクラスターからの圧縮強度を予測します。これは、クラスタリングと回帰技術とともに、コンクリートの圧縮強度を予測するための最小限の誤差を与える実験から見られます。また、ファジークラスタリングアルゴリズムC-Meansは、K-Meansアルゴリズムよりも優れたパフォーマンスを発揮します。

Understanding of the compressive strength of concrete is important for activities like construction arrangement, prestressing operations, and proportioning new mixtures and for the quality assurance. Regression techniques are most widely used for prediction tasks where relationship between the independent variables and dependent (prediction) variable is identified. The accuracy of the regression techniques for prediction can be improved if clustering can be used along with regression. Clustering along with regression will ensure the more accurate curve fitting between the dependent and independent variables. In this work cluster regression technique is applied for estimating the compressive strength of the concrete and a novel state of the art is proposed for predicting the concrete compressive strength. The objective of this work is to demonstrate that clustering along with regression ensures less prediction errors for estimating the concrete compressive strength. The proposed technique consists of two major stages: in the first stage, clustering is used to group the similar characteristics concrete data and then in the second stage regression techniques are applied over these clusters (groups) to predict the compressive strength from individual clusters. It is found from experiments that clustering along with regression techniques gives minimum errors for predicting compressive strength of concrete; also fuzzy clustering algorithm C-means performs better than K-means algorithm.