Use of recycled concrete in hot mix asphalt and an ANN model for prediction of resilient modulus

Atık betonların sıcak asfalt betonlarında kullanımı ve esneklik modülünün YSA ile modellenmesi

Özet

Çevresel atıklar evsel ve endüstriyel üretime bağlı olarak gün geçtikçe artmaktadır. Bu atıkların depolama alanları da giderek azalmaktadır. Çevresel kirlilikler, atıkların çeşitli inşaat yapılarında kullanımı ile önlenebilmektedir. Bu çalışmada; beton atıklarının (RC), Bitümlü Sıcak Karışım (BSK) ların özelliklerine olan etkisi araştırılmıştır. Bu amaçla; asfalt betonuna agrega ağırlığının sırasıyla %10, 20, 30 ve 40 oranlarında RC katılmıştır. Numunelere; Marshall Dayanımı (MS), akma, esneklik modülü (RM) ve sünme deneyleri uygulanmıştır. RC ilavesi ile MS ve akma değerleri az miktarda düşmüştür. % 10 RC içeren numunelerin RM değerleri; kontrol numuneleri (CS) ve diğer atık içeren numuneler ile karşılaştırıldığında daha yüksek çıkmıştır. RC atığı içeren numunelerde, daha büyük sünme rijitliği değerleri gözlemlenmiştir. Farklı şartlarda geçekleştirilen deney sonuçları Yapay Sinir Ağları (YSA) yöntemi ile modellenmiştir. 0,98 olarak elde edilen belirlilik katsayısı(R2); modelden elde edilen sonuçların, deneysel sonuçlara çok yakın olduğunu göstermektedir. Sonuç olarak, RC asfalt betonunda agrega yerine kullanılabilir ve modelleme YSA yöntemi ile gerçekleştirilebilir. Bu şekilde çevresel kirlilik oluşturacak beton atıkları, sürdürülebilir çevre bağlamında inşaat malzemesi olarak kullanılabilir.

Abstract

Environmental wastes increase more and more as a result of household and industrial waste production and landfill sites for those wastes are decreasing progressively. Environmental pollution would also be prevented by use of these wastes in various construction materials or structures. In this study, the effects of recycled concrete (RC) on the properties of Hot Mix Asphalt (HMA) are investigated. For this purpose, RC was added to asphalt concrete in 10, 20, 30 and 40 percent by weight of aggregate. The Marshall Stability (MS), flow, resilient modulus (RM), and creep tests were applied to the specimens. MS and flows slightly decreased with the addition of RC. RM values for 10 percent RC was higher than the Control Specimen (CS) and the others. RM values decreased with increasing RC. RC specimens showed increases in terms of creep stiffness compared with CS. In addition, RM test results for different test conditions are evaluated by the Artificial Neural Network (ANN) method. The results of the ANN model of RM with a coefficient of determination of 0.98 conformed very closely to those obtained by the experimental results. Consequently it can be used as an aggregate in RC concrete and the modelling can be made by means of ANN. In this way instead of being an environmental pollution, concrete waste can be used as a construction material in the context of the sustainable environment