Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightYSA yaklaşımı ile betona en iyi basınç dayanımını kazandıracak olan optimum uçucu kül miktarı belirlenmiş olacaktır.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada puzolan katkılardan uçucu külün betonun basınç dayanımı üzerindeki etkisi yapay sinir ağları (YSA) ile modellenmeye çalışılmıştır. Bu yöntem diğer sektörlerde olduğu gibi inşaat sektöründe de son yıllarda önem kazanmaya başlamıştır. Modelleme için Matlab paket programlama dili kullanılmıştır. YSA ile modelleme yaklaşımında farklı su-çimento oranlarında, uçucu kül ikameli betonun 7, 28, 90 ve 365 günlük yaşı, çimento ile ikame edilen % 0 (kontrol), 10, 20 ve 30 uçucu kül miktarı ve bunlara göre elde edilen beton numunelerin basınç dayanımları dikkate alınmıştır. YSA yaklaşımı ile deneysel olarak elde edilmiş veriler karşılaştırılmış ve sonuçların birbirine çok yakın olduğu görülmüştür. YSA yaklaşımı ile betona en iyi basınç dayanımını kazandıracak olan optimum uçucu kül miktarı belirlenmiş olacaktır.
Abstract
In this study, determination of effect of fly-ash content as pozzolan admixture on the compressive strength of concrete was investigated by use of Artificial Neural Network (ANN). ANN has been gain to importance in civil engineering application as soon as other applications in last century. For modeling to ANN, Matlab program was used. In the approach of modeling with ANN, produced concretes by replacement of fly ash by ratio of 0 (control), 10, 20 and 30 % content with cement were used in different water-cement ratio. Experimental compressive strength values of concretes at 7, 28, 90 and 365 ages compared with ANN values. As a result, it can be obtained that optimum fly ash content for the best compressive strength for early age and hardened concrete with ANN.