Beton Mekanik Özelliklerinin Taze Beton Özelliklerinden Yararlanılarak Yapay Sinir Ağları İle Tahmini

Year 2009, Volume: 22 Issue: 3, 147 - 155, 31.12.2009

Serkan Subaşı Ahmet Beycioğlu Mehmet Emiroğlu

Abstract

Bu araştırmada, taze beton özelliklerinden yararlanılarak beton basınç ve yarmada çekme dayanımı değerlerini yapay sinir ağları (YSA) kullanılarak tahmin edebilecek bir model geliştirilmesi amaçlanmıştır. Bu kapsamda farklı karışım oranlarına sahip betonlar hazırlanmıştır. Hazırlanan taze beton karışımları üzerinde çökme, birim ağırlık ve hava miktarı tayini deneyleri gerçekleştirilmiştir. Ayrıca her bir karışımdan alınan 15x15x15 cm boyutlarındaki küp numuneler üzerinde 28. günde basınç ve yarmada çekme dayanımı deneyleri gerçekleştirilmiştir. Oluşturulan yapay sinir ağında beton karışımlarına ait su/çimento oranı, çökme miktarı, taze beton birim ağırlığı ve hava miktarı girdi parametresi, basınç ve yarmada çekme dayanımı değerleri ise çıktı parametresi olarak kullanılmıştır. Sonuç olarak geliştirilen YSA modeli ile deneysel olarak elde edilen veriler karşılaştırılmış ve sonuçların birbiriyle uyumlu olduğu görülmüştür.

Keywords

Taze Beton, Basınç dayanımı, Yarmada çekme dayanımı, Yapay sinir ağları

The Supposition Of Mechnical Properties Of Concrete Utilzing The Fresh Concrete Properties By Using Artificial Neural Network

Abstract

In this study, developing a model which can predict the compressive and split

tensile strength values of concrete utilizing the fresh concrete properties were aimed. Concretes

having different mixing proportions were prepared for this scope. Slump, unit weight and air

content tests were performed on the prepared fresh concrete. Cubic samples having 15 x 15 x 15

cm dimensions were used for compressive and split tensile strength tests at the 28th day. For the

artificial neural networks model water/cement ratio, slump value, unit weight of fresh concrete

and air content were selected as input parameters and compressive and split tensile strength

values selected as output parameters. Consequently, developed artificial neural networks model

outputs were compared with experimental results and it was seen that the results were

harmonious.

Keywords

Fresh Concrete, Compressive strength, Split tensile strength, Artificial neural networks

References

• [1] Y. T. Erdoğan, “Beton”, ODTÜ Yayıncılık, , Ankara, 741s, 2007.
• [2] İ. B. Topçu, “Beton Teknolojisi”, Eskişehir, 570s, 2006.
• [3] A. M. Neville, “Properties of Concrete”, John Wiley & Sons, Inc. New York, 779 p.1987.
• [4] H. Murat Alp ve Kerem Cığızlıoğlu, “Farklı yapay sinir ağı metotları ile yağış-akış ilişkisinin modellenmesi”, İTÜ Dergisi/d, Cilt:3, Sayı:1, ss.80-88, Şubat 2004.
• [5] S. Bolat ve Ö. Kalenderli, “Levenberg-Marquardt Algoritması Kullanılan Yapay Sinir Ağı İle Elektrot Biçim Optimizasyonu”, International XII. Turkish Symposium on Artificial Intelligence and Neural Networks – TAINN, 2003.
• [6] S. Subaşı, “Prediction of mechanical properties of cement containing class C fly ash by using artificial neural network and regression technique”, Scientific Research and Essay, Vol. 4, No. 4, pp.289-297, April, 2009.
• [7] S. S. Dorvlo, Jervase, J.A. and Al-Lawati, A., “Solar Radiation Estimation Using Artificial Neural Network”, Applied Energy, Vol. 71, pp.307–319, 2002.
• [8] S. Terzi ve M. Karaşahin, “Yapay Sinir Ağları Yöntemi İle Esnek Üstyapı Performans Tahmin Modeli Geliştirilmesi”, 4. Ulusal Asfalt Sempozyumu, Bildiriler Kitabı, ss.344- 357, Ankara, 2004.
• [9] Ö. Kızılkan, A. Şencan ve A. K. Yakut, “R410a Soğutucu Akışkanının Termodinamik Özelliklerinin Yapay Sinir Ağları Metoduyla Modellenmesi”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt. 21, No. 2, ss.395-400, 2006.
• [10] L. H. Tsoukalas and R. E. Uhrig, “Fuzzy and Neural Approaches in Engineering”, John Wiley&Sons Inc., 587p, 1997.