Tahribatsız Yöntem Verileri Kullanılarak Yapay Sinir Ağı ve Regresyon Yöntemi ile Beton Basınç Dayanımının Tahmin Edilmesi

Year 2020, Volume: 12 Issue: 2, 769 - 776, 30.06.2020

Serap Yörübulut Orhan Dogan Funda Erdugan Suat Yörübulut

https://doi.org/10.29137/umagd.734655

Abstract

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.

Keywords

Yapay Sinir Ağı, Regresyon Analizi, Beton Basınç Dayanımı, Tahribatsız Yöntem, Beton Test Çekici, Ultrasonik Test Cihazı

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.

By Using Non-Destructive Method Data Estimation of the Concrete Compressive Strength With Artificial Neural Network and Regression Method

Abstract

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.

Keywords

Artificial Neural Network, Regression Analysis, Concrete Compressive Strength, Non-Destructive Method, Concrete Test Hammer, Ultrasonic Tester

Project Number

2018/001

References

• 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.