AI Summary & Key Takeaways
AI InsightConsequently, developed artificial neural networks model outputs were compared with experimental results and it was seen that the results were harmonious.
📌 3 Key Takeaways
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.
Özet
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.