Farklı Puzolanlarla Üretilmiş Çimentoların Dayanım Gelişiminin Yapay Sinir Ağlarıyla Tahmini
Öz
Bu çalışma, çimento üretiminde kullanılan mineral katkılarda en uygun kullanım oranının belirlenmesi için yapılmıştır. Laboratuvarda farklı kaynaklardan sağlanan doğal zeolit, tras, volkanik tüf, uçucu kül ve yüksek fırın cürufu katkıları, çimento üretiminde klinker yerine %10, 20, 30, 35, 40 ve 45 oranlarında kullanılmıştır. Çimentolar üzerinde yapılan 2, 7, 28 ve 180 günlük basınç dayanımı deneyleriyle dayanım gelişimi belirlenmiştir. Daha sonra deneysel çalışmadan elde edilen veriler kullanılarak yapay sinir ağı (YSA) yönteminde model geliştirilmiştir.
Anahtar Kelimeler
Katkılı çimento,Puzolanlar,Basınç dayanımı,Yapay sinir ağları
Kaynakça
- [1] C. Shi, “An overview on the activation of reactivity of natural pozzolans,” Canadian Journal of Civil Engineering, Vol. 28, pp. 778-786, 2001.
- [2] M. Khandaker, A. Hossain, “Blended cement using volcanic ash and pumice,” Cement and Concrete Research, Vol. 33, pp. 1601-1605, 2003.
- [3] F. Massazza, “Pozzolans and Durability of Concrete”, 1st International Symposium on Mineral Admixtures in Cement, 1997, İstanbul, pp. 1-22.
- [4] C. Gervais, S.K. Ouki, “Performance study of cementitious systems containing zeolite and silica fume: effects of four metal nitrates on the setting time,” Strength and Leaching Characteristics, Journal of Hazardous Materials, Vol. B93, pp. 187-200, 2002.
- [5] M. Canbaz, “Alkalilerle aktive edilmiş yüksek fırın cüruflu harçların özelikleri”, Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 206 s., 2007.
- [6] B.B. Adhikary, H. Mutsuyoshi, “Prediction of shear strength of steel fiber RC beams using neural networks,” Construction and Building Materials, Vol. 20, pp. 801-811, 2006.
- [7] A. Öztaş, M. Pala, E. Özbay, E. Kanca, N. Çağlar, M. Asghar Bhatti, “Predicting the compressive strength and slump of high strength concrete using neural network,” Construction and Building Materials, Vol. 20, pp. 769-775, 2005.
- [8] İ.B. Topçu, M. Sarıdemir, “Prediction of rubberized concrete properties using artificial neural networks and fuzzy logic,” Construction and Building Materials, Vol. 22, pp. 532- 540, 2008.
- [9] A.M. Kewalramani, R. Gupta, “Concrete compressive strength prediction using ultrasonic pulse velocity through artificial neural networks,” Automation in Construction, Vol. 15, pp. 374-379, 2006.
- [10] J.A. Anderson, “Cognitive and psychological computation with neural models,” IEEE Transactions on Systems, Man and Cybernetics, Vol. 5, pp. 799-814, 1983.