SARGILI BETON BASINÇ DAYANIMININ YAPAY ZEKÂ VE OPTİMİZASYON TABANLI YAKLAŞIMLARLA MODELLENMESİ

Öz

Betonarme elemanların kesit özellikleri, sargılı beton davranışını belirleyen temel faktörler arasında yer almakta olup, bu davranışın analitik hesaplara doğru biçimde yansıtılması büyük önem arz etmektedir. Bu kesit özelliklerine bağlı çok sayıda değişkenin belirlenmesi ve analiz edilmesi zaman alıcı olabilmektedir. Bu yüzden günümüzde birçok yapay zekâ tabanlı modelleme yöntemleri kullanılmaya başlanılmıştır. Yapılan çalışmada Türkiye Bina Deprem Yönetmeliği’ne uygun olarak elde edilen betonarme kare kolon kesitlerinin sargılı beton basınç dayanım değerlerinin belirlenmesinde yapay zekâ ve optimizasyon tabanlı analitik yaklaşımlar birlikte ele alınarak incelenmiştir. Karar ağacı algoritması ile sargılı beton basınç dayanımında etkili olan dört temel girdi parametresi belirlenmiş; bu girdilerle farklı alt küme yapılarına sahip adaptif ağ tabanlı bulanık çıkarım sistemi (ANFIS) modelleri oluşturulmuştur. Ayrıca parçacık sürü optimizasyonu (PSO) kullanılarak dört farklı model oluşturulmuştur. Elde edilen sonuçlara göre, ANFIS modelleri daha yüksek doğruluk sunarken, PSO modelleri parametrik formülasyon ve işlem verimliliği açısından avantaj sağlamış; her iki yöntemin üstünlükleri karşılaştırmalı olarak ortaya konulmuştur. Ayrıca, PSO algoritmasıyla oluşturulan modeller arasında test, eğitim ve doğrulama verileri üzerinde belirgin farklılıklar oluşmadığı gözlemlenmiş, bu modellerin benzer doğruluk düzeylerinde tutarlı sonuçlar verdiği görülmüştür. ANFIS ve PSO'nun güçlü yönlerinin birlikte değerlendirilmesiyle, gelecekte daha genellenebilir ve uyarlanabilir hibrit modellerin geliştirilmesi mümkün görülmektedir.

Anahtar Kelimeler

• Sargılı beton
• basınç dayanımı
• yapay zekâ
• optimizasyon

MODELING OF CONFINED CONCRETE COMPRESSIVE STRENGTH WITH ARTIFICIAL INTELLIGENCE AND OPTIMIZATION BASED APPROACHES

Öz

The cross-sectional properties of reinforced concrete elements are among the basic factors determining the behavior of confined concrete, and it is of great importance that this behavior is accurately reflected in analytical calculations. Determining and analyzing a large number of variables depending on these cross-sectional properties can be time-consuming. Therefore, many artificial intelligence-based modeling methods have started to be used today. In the study, artificial intelligence and optimization-based analytical approaches were examined together in determining the confined concrete compressive strength values of reinforced concrete square column sections obtained in accordance with the Turkish Building Earthquake Code. Four basic input parameters effective in confined concrete compressive strength were determined with the decision tree algorithm; adaptive network-based fuzzy inference system (ANFIS) models with different subset structures were created with these inputs. In addition, four different models were created using particle swarm optimization (PSO). According to the results obtained, ANFIS models provided higher accuracy, while PSO models provided advantages in terms of parametric formulation and processing efficiency; the superiorities of both methods were demonstrated comparatively. In addition, it was observed that there were no significant differences between the models created with the PSO algorithm on the test, training, and check data, and it was seen that these models gave consistent results at similar accuracy levels. By evaluating the strengths of ANFIS and PSO together, it seems possible to develop more generalizable and adaptable hybrid models in the future. According to the obtained results, the superiorities of ANFIS and PSO-based models were comparatively demonstrated.

Anahtar Kelimeler

• Confined concrete
• compressive strength
• artificial intelligence
• optimization

Kaynakça

1. Türkiye Bina Deprem Yönetmeliği, Afet ve Acil Durum Yönetimi Başkanlığı, Ankara, Türkiye, 2018.
2. A. İlki, N. Kumbasar, Sargılı beton için mevcut modellerin deneysel verilerle karşılaştırılması, Teknik Dergi 12 (3) (2001) 2419–2433.
3. M.Y. Kaltakcı, A. Köken, Ü.S. Yımaz, Eksenel yük altındaki çelik lifli ve lifsiz etriyeli betonarme kolonların davranışının deneysel ve analitik olarak incelenmesi, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 8 (1) (2006) 65–85.
4. H.B. Özmen, M. İnel, H. Bilgin, Sargılı beton davranışının betonarme eleman ve sistem davranışına etkisi, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 22 (2) (2007) 375–383.
5. E. Işık, M. Özdemir, İ.B. Karaşin, A. Karaşin, Betonarme yapılarda kullanılan malzeme modellerinin karşılaştırılması, Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 8 (3) (2019) 968–984.
6. S.B. Yüksel, S. Foroughi, Betonarme Kolonların Sargısız ve Sargılı Beton Dayanımının Analitik Olarak Araştırılması, Konya Journal of Engineering Sciences 7 (3) (2019) 612–631.
7. S. Foroughi, R. Jamal, B. Yüksel, TBDY 2018 ve Mander modeline göre sargılı betonun gerilme-şekil değiştirmesinin araştırılması, El-Cezeri Sci. Eng. J. 8 (1) (2021) 363–375.
8. S. Foroughi, B. Yüksel, Investigation of nonlinear behavior of the reinforced concrete columns for different confined concrete models, Politeknik Dergisi 25 (4) (2021) 1447–1462.

9. E. Kılıç, M.F. Güllü, Görece narin betonarme perde duvarlarda mevcut beton malzeme modellerinin etkilerinin irdelenmesi Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi 9 (2) (2022) 799–818.
10. A. Gündogay, Comparison of confined concrete models, 1st International Conference on Innovative Academic Studies, Konya, Turkey, September 10-13, 2022, pp. 1376–1382.
11. U. Sahin, İ. Bedirhanoglu, A fuzzy model approach to stress–strain relationship of concrete in compression, Arabian Journal for Science and Engineering 39 (2014) 4515–4527.
12. C. Özel, A. Topsakal, Veri madenciliği kullanarak beton basınç dayanımının belirlenmesi, Cumhuriyet Üniversitesi Fen Edebiyat Fakültesi Fen Bilimleri Dergisi 35 (1) (2014) 1–11.
13. S. Murtazaoğlu, K. Yetilmezsoy, B. Doran, CFRP ile güçlendirilmiş betonarme kolonların basınç dayanımının çoklu regresyon modelleriyle tahmini, Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 31 (3) (2015) 172–178.
14. H.T. Öztürk, Beton basınç dayanımının JAYA ve öğretme-öğrenme tabanlı optimizasyon (TLBO) algoritmalarıyla modellenmesi, Journal of Investigations on Engineering and Technology 1 (2) (2018) 24–29.
15. S. Yörübulut, O. Dogan, F. Erdugan, S. Yörübulut, 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) (2020) 769–776.
16. A. Gündoğay, Lifli polimer ile sargılanan betonarme kolonların gerilme-şekil değiştirme ilişkisinin anfis yöntemi ile elde edilmesi, Journal of Innovations in Civil Engineering and Technology, 6 (2) (2024) 111–130.
17. M.A. Bülbül, Beton basınç dayanımı tahmini için özellik mühendisliği ve makine öğrenimi tabanlı hibrit bir yaklaşım, Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 40 (1) (2024) 10–19.
18. M.G. Altun, A.H. Altun, Yüksek performanslı betonun basınç dayanımının farklı makine öğrenimi algoritmaları ile tahmin edilmesi, Journal of Innovative Engineering and Natural Science, 5 (1) (2025) 347–361.
19. M. Saltan, S. Saltan, A. Şahiner, Fuzzy logic modeling of deflection behavior against dynamic loading in flexible pavements, Construction and Building Materials 21 (7) (2007) 1406–1414.
20. B. Gültekin, G. Dogan, İnşaat mühendisliğinde yapay zekâ çalışmaları, İleri Mühendislik Çalışmaları ve Teknolojileri Dergisi 2 (2) (2021) 117–138.
21. S. Subaşı, İ. Şahin, B. Çomak, Tahribatsız test sonuçları kullanılarak uçucu kül ikameli betonlarda basınç dayanımının anfıs ile tahmini, Uluslararası Teknolojik Bilimler Dergisi 2 (3) (2010) 9–16.
22. C. Özel, O. Soykan, Betonun basınç mukavemetinin taze beton özelliklerinden tahmini için anfıs modeli, Uluslararası Teknolojik Bilimler Dergisi 4 (1) (2012) 30–45.
23. [23] F. Kaya, N. Keskin, M.A. Çakıroğlu, Değişik geometrili çelik lif ilaveli betonarme kirişlerin tahribatsız deney yöntemleri ile elde edilen basınç dayanımlarının anfıs metoduyla tahmin edilmesi, Uluslararası Teknolojik Bilimler Dergisi 6 (1) (2014) 44–56.
24. R. Temür, G. Bekdaş, Betonarme konsol istinat duvarlarının optimum tasarımı, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi 24 (6) (2018) 1043–1050.
25. Güler, M. Ulaş, M. Açıkgenç Ulaş, Efektif kendiliğinden yerleşen hafif beton dayanımı tahmini için farklı makine öğrenmesi algoritmalarının karşılıklı değerlendirilmesi, Fırat Üniversitesi Mühendislik Bilimleri Dergisi 37 (1) (2025) 251–261.
26. Betonarme Yapıların Tasarım ve Yapım Kuralları, Türk Standardları Enstitüsü, Ankara, Türkiye, 2000.
27. K. Saplıoğlu, R. Acar, K-means kümeleme algoritması kullanılarak oluşturulan yapay zeka modelleri ile sediment taşınımının tespiti, Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, 9 (1) (2020) 306–322.
28. T.S. Küçükerdem, M. Kilit, K. Saplioglu, Bulanık çıkarım sistemlerinde kullanılan küme sayılarının K-ortalamalar ile belirlenmesi ve baraj hacmi modellenmesi: Kestel barajı örneği, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 25 (8) (2019) 962–967.
29. K. Saplioglu, T.S.K. Ozturk, R. Acar, Optimization of open channels using particle swarm optimization algorithm, Journal of Intelligent & Fuzzy Systems, 39 (1) (2020) 399–405.