AI Summary & Key Takeaways
AI InsightIn the models of the training and testing results have shown that artificial neural networks and fuzzy logic systems have strong potential for predicting 7, 28 and 90-day compressive strength of concretes containing fly ash.
📌 3 Key Takeaways
Abstract
In this study, artificial neural networks and fuzzy logic models for predicting the 7, 28 and 90-day compressive strength of concretes containing highlime and low-lime fly ashes have been developed. For purpose of constructing these models, 52 different mixes with 180 specimens were gathered from the literature. The data used in the artificial neural networks and fuzzy logic models are arranged in a format of nine input parameters that cover the day, Portland cement, water, sand, crushed stone-I, crushed stone-II, high range water reducing agent replacement ratio, fly ash replacement ratio and CaO, and an output parameter which is compressive strength of concrete. In the models of the training and testing results have shown that artificial neural networks and fuzzy logic systems have strong potential for predicting 7, 28 and 90-day compressive strength of concretes containing fly ash.
Özet
Bu çalısmada, yüksek ve düsük kireçli uçucu küller içeren betonların 7, 28 ve 90 günlük basınç dayanımını tahmin etmek için yapay sinir ağları ve bulanık mantıkta modeller olusturulmustur. Bu modelleri olusturmak amacıyla 52 farklı karısımda 180 numune literatürden elde edilmistir. Yapay sinir ağları ve bulanık mantık modellerinde kullanılan veriler; gün, Portland çimento, su, kum, kırmatas-I, kırmatas-II, yüksek oranda su azaltıcı katkı yer değisim oranı, uçucu kül yer değisim oranı ve CaO içerecek bir formatta 9 girdi parametreli; çıktı parametresi betonun basınç dayanımı olarak düzenlenmistir. Modellerdeki eğitim ve test sonuçları, yapay sinir ağları ve bulanık mantık sistemlerinin, uçucu kül içeren betonların 7, 28 ve 90 günlük basınç dayanımını tahmin etmek için güçlü potansiyele sahip olduğunu göstermistir.