Geri Dön

Artificial neural networks and fuzzy logic applications in modeling the compressive strength of Portland cement

Portland çimento basma dayanımının modellenmesinde YSA ve bulanık mantık uygulamaları

  1. Tez No: 151964
  2. Yazar: SEVER CAN
  3. Danışmanlar: DOÇ.DR. SEDAT AKKURT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Metalurji Mühendisliği, Metallurgical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2004
  8. Dil: İngilizce
  9. Üniversite: İzmir Yüksek Teknoloji Enstitüsü
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 53

Özet

oz Portland çimento üretimi, 28 günlük çimento basma dayamm (CCS) kalite kontrol testlerini etkileyen birçok süreç parametresinden oluşan karmaşık bir işlemdir. Bu parametreler C3S, C2S, C3A, C4AF ve S03 gibi kimyasal, Blaine (yüzey alam) ve tanecik dağılımı gibi fiziksel faktörlerdir. Tüm bunlar, 28 günlük basma dayammı ile test edilebilen çimentonun dayanımını oluşturan çok önemli faktörledir. 28 günlük CCS kalite kontrol testi, kalite kontrolü açısından uzun bir süreçtir. Bu yüzden de, bu uzun süreçten kurtulmak için çeşitli metotların arayışına gidilmiştir. Böylelikle, bu çalışmada 28 günlük CCS' yi modellemek için yapay zekâ metotlarından Yapay Sinirsel Ağ (ANNs) ve Bulamk Mantık (BM) kullanılmıştır. ANN ve BM modelleri karşılaştınl- mıştır. Modelleme konusunda çalışan uzmanlaraın kolayca kullanabileceği bulanık mantık yaklaşımının, açık yapısı ve avantajları açıklanmaya çalışılmıştır. Yerel bir çimento fabrikasından alınan kalite kontrol verileri modelleme çalışmalarında kullanılmıştır. Bu veriler, 100 veri seti modellerin öğrenme aşamasında ve 50 veri seti de modelin deneme aşamasında kullanılmak üzere iki kısma ayrılmıştır. Bu çalışmada, dört farklı yapay zeka modeli oluşturulmuştur ve denenmiştir (3 ANN, 1 BM). İçinde 20 girdi parametresi bulunan ANN modellerinden biri (Model A) %2.24 ortalama mutlak hata yüzdesi (AAPE) ve 20x20x1 mimarisinde tasarlanmıştır. İçinde 4 girdi parametresi (S03, C3S, Blaine ve toplam alkali miktarı) bulunan diğer ANN modeli (Model B), %2,41 AAPE ile 4x4x1 mimarisine sahiptir. Bu iki model (Model A ve Model B) MatLAB® ortamında hazırlanmıştır. Son ANN modeli (Model C), MatLAB®Neural Network Toolbox içinde oluşturulmuş 72 farklı ANN modelini kapsamaktadır. Bu modelleri, en düşük hata ile çalıştırmak için farklı algoritmaların, öğrenme fonksiyonların ve mimarilerin kombinasyonları denenmiştir. En düşük AAPE, %2,31 olarak tespit edilmiştir. Son olarak, 4 girdi parametresi (S03, C3S, Blaine ve toplam alkali miktarı) bulunan BM modeli (Model D), MatLAB®Fuzzy Logic Toolbox kullanılarak hazırlanmıştır. Bulanıklık kuralları yazılırken, Model B' deki girdi parametrelerinin hassasiyet çözümlemeleri kullanılmıştır. Model B'nin AAPE değeri %2,69 olarak bulunmuştur. Kullanılabilirliği ve hata seviyeleri açısından bu model, diğer ANN modelleri ile karşılaştırılmıştır. Sonuç olarak, hem uygulamada kullanıcıya rahatlık sağlaması ve kolay anlaşılır olması açısından, hem de düşük hata oranları bakımından BM modelinin, kurulan ANN modellerinden daha açık ve kolay tatbik edilebilir olduğu söylenebilir.

Özet (Çeviri)

ABSTRACT Portland cement production is a complex process that involves the effect of several processing parameters on the quality control of 28-day cement compressive strength (CCS). There are some chemical parameters like the C3S, C2S, C3A, C4AF, and SO3 contents in addition to the physical parameters like Blaine (surface area) and particle size distribution. These factors are all effective in producing a single quantity of 28-day CCS. The long duration of 28 day CCS test provided the motivation for research on predictive models. The purpose for these studies was to be able to predict the strength instead of waiting for 28 days for the test to be complete. In this thesis, artificial intelligence (AT) methods like artificial neural networks (ANNs) and fuzzy logic were used in the modeling of the 28-day CCS. The two models were compared for their quality of fit and for the ease of application. Quality control data from a local cement plant were used in the modeling studies. The data were separated randomly into two parts: the first one contained 100 data points to be used in training and the second part had 50 data points to be used in testing stages of the models. In this study, four different AI models were created and tested (3 ANN, 1 fuzzy logic). One of the ANN models (Model A) had 20 input parameters in 20x20x1 architecture with testing average absolute percentage error (AAPE) of 2.24%. The other ANN model (Model B) had four input parameters (S03, C3S, Blaine and total alkali amount) in 4x4x1 architecture with AAPE of 2.41%. Both of the Model A and the Model B were created in the MatLAB® environment by writing a custom computer code. The last ANN model (Model C) actually refers to 72 different ANN models created in the MatLAB® neural networks toolbox. In order to obtain a model with the lowest error, different learning algorithms, training functions and architectures in combinations were tested. The lowest AAPE among these models appeared to be 2.31%. The fuzzy logic model (Model D) which had four input parameters (SO3, C3S, Blaine and total alkali amount) was created in the MatLAB® fuzzy logic toolbox. In order to write the fuzzy rules, the sensitivity analysis of the Model B was utilized. The AAPE of the Model D was 2.69%. The model was compared with the ANN models for its error levels and ease of application. The results indicated that through the application of fuzzy logic algorithm, a more user friendly and more explicit model than the ANNs could be produced within successfully low error margins. iv

Benzer Tezler

  1. Tez No

    166674

    Esnek hesaplama yöntemlerinin jeodezide uygulamaları

    Applications of soft computing methods in geodesy

    ORHAN AKYILMAZ

    Doktora

    Türkçe

    Türkçe

    2005

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    PROF.DR. TEVFİK AYAN

  2. Tez No

    822345

    Tek A'lı çekirdeklerin taban-durum manyetik momentlerinin sinirsel-bulanık sistemiyle belirlenmesi

    Determination of the ground-state magnetic moments of odd mass nuclei using neuro-fuzzy system

    BÜRUCE ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN YAKUT

  3. Tez No

    315996

    Yapay zekâ modelleriyle tam ölçekli çamur çürütme reaktörlerinden elde edilen biyogaz üretiminin tahmini: Yapay sinir ağları ve fuzzy logıc uygulamaları

    Artificial intelligence-based modeling for prediction of biogas production rate from full-scale anaerobic sludge digestion reactors: Neural networks and fuzzy logic applications

    KEVSER KARAKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Çevre MühendisliğiYıldız Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. KAAN YETİLMEZSOY

  4. Tez No

    55731

    Yapay sinir ağları ve bulanık sistemlerin nükleer güç santrallarının kontrolunda kullanılması

    Neural networks and fuzzy systems for advanced controoler design in nuclear power plants

    FARUK EROL SAĞIROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Nükleer Mühendislikİstanbul Teknik Üniversitesi

    PROF. DR. MELİH GEÇKİNLİ

  5. Tez No

    856275

    Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

Geri Dön