Year 2020, Volume 12 , Issue 2, Pages 769 - 776 2020-06-30

Tahribatsız Yöntem Verileri Kullanılarak Yapay Sinir Ağı ve Regresyon Yöntemi ile Beton Basınç Dayanımının Tahmin Edilmesi
By Using Non-Destructive Method Data Estimation of the Concrete Compressive Strength With Artificial Neural Network and Regression Method

Serap YÖRÜBULUT [1] , Orhan DOGAN [2] , Funda ERDUGAN [3] , Suat YÖRÜBULUT [4]


Yapay zeka (YZ) yöntemlerinden yapay sinir ağı (YSA) ve istatistiksel tahmin yöntemi olan regresyon analizi kullanılarak, yapı elemanlarına zarar vermeyen tahribatsız yöntemlerden, beton test çekici ve ultrasonik test cihazı ile kısa sürede ve düşük maliyetle elde edilen veriler ile beton basınç dayanımının tahmin edilmesi amaçlanmıştır. Bu amaçla, 117 adet karot numunesi için tahribatsız yöntemlerle elde edilen veriler kullanılarak yapay sinir ağı ve regresyon modelleri oluşturulmuş ve bu iki modelden elde edilen sonuçlar karşılaştırılmıştır. Tahribatsız deney verileri kullanılarak yapay sinir ağı ve regresyon yöntemleriyle tahmin edilen beton basınç dayanımları ile tahribatlı yöntem olan karot numunelerinin basınç dayanımlarının birbirlerine oldukça yakın sonuçlar veren modeller olduğu görülmüştür.
In this study it is aimed to estimate the concrete compressive strength by using non-destructive concrete test hammer and ultrasonic test which are applied without destroying structural members and are time and cost saving methods in accordance with artificial neural network (ANN) and regression analysis which is a statistical estimation method parts of artificial intelligence (AI). For this purpose, artificial neural network and regression models were created using data obtained with non-destructive methods for 117 core samples and the results of these two models were compared. Using the non-destructive test data, the compressive strengths estimated by artificial neural network and regression methods and the core strength samples of the destructive method have been found very close to each other.
  • Arioglu, E., & Köylüoglu, O. (1996). Discussion of prediction of concrete strength by destructive and nondestructive methods by Ramyar and Kol. Cement and Concrete World, 3, 33-34. Chopra, P., Kumar Sharma, R. & Kumar, M. (2016). Prediction of compressive strength of concrete using artificial neural network and genetic programming. Advances in Materials Science and Engineering, 1-10.
  • Cristofaro, M. T., Viti, S., & Tanganelli, M. (2020). New predictive models to evaluate concrete compressive strength using the SonReb method. Journal of Building Engineering, 27, 100962.
  • Del Monte, E., Lavacchini, G., & Vignoli, A. (2004). Modelli per la previsione della resistenza a compressione del calcestruzzo in opera. Ingegneria Sismica, 21(3), 30.
  • Erdal, M. & Simsek, O. (2006). Bazı hasarsız deney metotlarının vakum uygulanmış betonların basınç dayanımlarının belirlenmesindeki performanslarının incelenmesi. Gazi Üniv. Müh.-Mim. Fak. Dergisi, 21(1), 65-73.
  • Erdogan, T.Y. (2003). Beton. ODTÜ Geliştirme Vakfı Yayıncılık ve İletişim A.Ş. Yayını, Ankara.
  • Gasparik, J. (1992). Prove non distruttive nell'edilizia. Quaderno didattico AlPn.D. Brescia, in Italian.
  • Hola, J. & Schabowicz, K. (2005). New technique of nondestructive assessment of concrete strength using artificial intelligence. NDT&E International 38(4) 251-259.
  • Ni, H. G., & Wang, J. Z. (2000). Prediction of compressive strength of concrete by neural networks. Cement and Concrete Research, 30(8), 1245-1250.
  • Küçük, Ö.F. (2006). Ultrasonik Yüzey Dalgaları-Schmidt Yöntemi Yardımıyla Beton Dayanımının Bulunması. Yüksek Lisans Tezi. Harran Üniversitesi, Şanlıurfa.
  • McCullogh, W.S. and Pitts, W.A., 1943, A logical calculus of the ideas immanent in nervous activity, Bull. Math. Biophysics, Vol. 5, 115-133 p.
  • McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5(4), 115-133.
  • Meynink, P., & Samarin, A. (1979). Assessment of compressive strength of concrete by cylinders, cores, and non destructive tests. In Quality Control of Concrete Structures, Rilem Symposium, 1979, Stockholm, Sweden (Vol. 1) 127-134.
  • Murtazaoğlu, S., Yetilmezsoy, K. & Doran B. (2015). CFRP ile güçlendirilmiş betonarme kolonların basınç dayanımının çoklu regresyon modelleriyle tahmini. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 31(3), 172-178.
  • Özbakır O. & Nasuf S.E. (2016). Agregaların fiziksel özelliklerinden yola çıkılarak beton dayanımlarının yapay sinir ağları ile kestirilmesi. Selçuk Üniversitesi Journal of Engineering Science&Tecnology, 4(3).
  • Sarıdemir, M. (2008). Farklı Agregalarla Üretilmiş Beton Özeliklerinin Yapay Sinir Ağları ve Bulanık Mantık ile Tahmin Edilmesi. Doktora Tezi. Eskişehir Osmangazi Üniversitesi, Eskişehir.
  • Subaşı, S., & Beycioğlu, A., (2008). Farklı tahmin yöntemleri kullanılarak kırmataş kalker agregalı betonların basınç dayanımının belirlenmesi. e-Journal of New World Sciences Academy 2008, Volume: 3, Number: 4 Article Number: A0099.
  • Tanigawa, Y., Baba, K., & Mori, H. (1984). Estimation of concrete strength by combined nondestructive testing method. Special Publication, 82, 57-76.
  • Topçu, İ. B., & Sarıdemir, M. (2008). Prediction of rubberized mortar properties using artificial neural network and fuzzy logic. Journal of Materials Processing Technology, 199(1-3), 108-118.
  • Topçu, İ.B., Uygunoğlu, T., & İnce, H. H. (2010). Hafif beton basınç dayanımının yapay sinir ağlarıyla tahmini. Yapı Teknolojileri Elektronik Dergisi, 6(1), 19-29.
  • Topçu, İ.B. (1993). Volkanik Cüruflu Betonlarda Sonreb Yöntemi Uygulaması. 5. Malzeme Semp., Pamukkale Üniv., Müh. Fak., 7-8-9 Nisan 1993, Denizli, Cilt 2, 770-779.
  • TS EN 13791, Basınç dayanımının yapılar ve öndökümlü beton bilesenlerde yerinde tayini. Türk Standartları Enstitüsü, Ankara, Nisan 2010.
  • Yaprak, H., Karacı, A., & Demir, İ. (2013). Prediction of the effect of varying cure conditions and w/c ratio on the compressive strength of concrete using artificial neural networks. Neural Computing and Applications, 22(1), 133-141.
  • Yörübulut, S. (2019). Tahribatsız yöntem verileri kullanılarak yapay sinir ağı ve regresyon yöntemi ile betonun basınç dayanımının tahmin edilmesi. Yüksek Lisans Tezi. Kırıkkale Üniversitesi, Kırıkkale.
  • Yüksel, İ. (2003). Bilesik yıkıntısız yöntemle yerinde beton dayanımının tahmini. Pamukkale Üniversitesi, Mühendislik Bilimleri Dergisi, 9(2), 231-235.
Primary Language tr
Subjects Civil Engineering
Journal Section Articles
Authors

Orcid: 0000-0003-0781-4405
Author: Serap YÖRÜBULUT (Primary Author)
Institution: KIRIKKALE ÜNİVERSİTESİ, FEN-EDEBİYAT FAKÜLTESİ, İSTATİSTİK BÖLÜMÜ
Country: Turkey


Orcid: 0000-0002-4942-1725
Author: Orhan DOGAN
Institution: KIRIKKALE ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ
Country: Turkey


Orcid: 0000-0001-7199-6413
Author: Funda ERDUGAN
Institution: KIRIKKALE ÜNİVERSİTESİ, FEN-EDEBİYAT FAKÜLTESİ, İSTATİSTİK BÖLÜMÜ
Country: Turkey


Orcid: 0000-0002-8887-3177
Author: Suat YÖRÜBULUT
Institution: KIRIKKALE ÜNİVERSİTESİ, REKTÖRLÜK
Country: Turkey


Supporting Institution KIRIKKALE ÜNİVERSİTESİ
Project Number 2018/001
Thanks Bu çalışma Kırıkkale Üniversitesi Bilimsel Araştırma Projeleri (BAP) Koordinasyon Birimi tarafından 2018/001 Proje Numarası ile desteklenmektedir.
Dates

Publication Date : June 30, 2020

APA Yörübulut, S , Dogan, O , Erdugan, F , Yörübulut, S . (2020). Tahribatsız Yöntem Verileri Kullanılarak Yapay Sinir Ağı ve Regresyon Yöntemi ile Beton Basınç Dayanımının Tahmin Edilmesi . International Journal of Engineering Research and Development , 12 (2) , 769-776 . DOI: 10.29137/umagd.734655