DETERMINATION OF THE EFFECTS OF GROUNDED PUMICE ON COMPRESSIVE STRENGHT OF CONCRETE WITH ARTIFICIAL NEURAL NETWORKS
Abstract
In this study, the effect of grounded pumice aggregate and silica fume on compressive strength of concrete was modelled with artificial neural networks (ANN). A training set consist of cement, pumice, silica fume and curing age used for ANN. With this aim, pumice of Elazig region was ground up on the cement thinness. This grounded pumice was added the mixture by replacing with cement % 5, % 10, % 15 ve % 20 in weight. In addition these series, the series with %10 silica fume were prepared to observe the effect of silica fume with pumice. The effect of the curing age was investigated by preparing the 3, 7, 28 and 90 days series. A backpropagation neural network is preferred. Data presented to network by being normalized. ANN applications were carried out with ANN toolbox of MATLAB computer program. The outputs of the network and the compressive strength values obtained from experimental studies were compared. As a result it was seen that ANN gives successful results with ratio of 98 %.
Keywords
ÖĞÜTÜLMÜŞ POMZANIN BETON BASINÇ DAYANIMINA ETKİSİNİN YAPAY SİNİR AĞI İLE BELİRLENMESİ
Abstract
Yapılan çalışmada; çimento inceliğinde öğütülen bazik karakterli pomza agregasının ve silis dumanının betonun basınç dayanımı üzerinde yaptığı etki yapay sinir ağları (YSA) ile modellenmiştir. Çimento, pomza, silis dumanı ve kür yaşı parametrelerinden oluşan ve farklı alternatiflerle oluşturulmuş eğitim seti kullanılmıştır. Bu amaçla ilk olarak Elazığ yöresinden temin edilen bazik karakterli pomza agregası çimento inceliğinde öğütülmüştür. Bu öğütülen pomza, % 5, % 10, % 15 ve % 20 oranlarında çimento ile yer değiştirerek karışımlara ilave edilmiştir. Ayrıca, pomza ile birlikte silis dumanının da etkisini gözlemek amacıyla bu serilere ek olarak % 10 silis dumanı katkılı seriler de hazırlanmıştır. Kür yaşının etkisi ise 3, 7, 28 ve 90 günlük seriler hazırlanarak incelenmiştir. Ağ yapısı olarak, geri yayılımlı yapay sinir ağı tercih edilmiştir. Veriler normalize edilerek ağa sunulmuştur. Modelleme MATLAB paket programının ANN toolbox'ı ile yapılmıştır. Ağdan elde edilen çıkışlar ile deneysel çalışma sonucu bulunan basınç dayanımı değerleri karşılaştırılmış ve YSA'nın % 98 oranında başarılı sonuçlar verdiği görülmüştür.
Keywords
