Yapay sinir ağları ile kesme donatısız betonarme kirişlerin analizi
An analysis of reinforcement concrete without web reinforcement using artificial neural networks
- Tez No: 168511
- Danışmanlar: Y.DOÇ.DR. HASAN ORHUN KÖKSAL, Y.DOÇ.DR. NACİ ÇAĞLAR
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Betonarme kiriş, kesme dayanımı, kesme donatısı, yapay sinir ağları, geri-yayınım algoritması, ölçeklenmiş konjuge gradyant, çoklu regresyon analizi xıv, Concrete beam, shear strength, shear reinforcement, artificial neural network, back propagation, conjugate gradient, multiple regression analysis xv
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 144
Özet
ÖZET Kesme donatışız betonarme kirişlerin kesme davranışlarının incelenmesi ve kesme dayanımlarının belirlenmesi bu çalışmanın başlıca amacıdır. Söz konusu kirişlerin kesme dayanımlarının belirlenebilmesi için çeşitli betonarme yönetmelikleri tarafından önerilen bağıntılar araştırılmış ve deneysel sonuçlara daha yakın tahminlerde bulunabilmek amacıyla malzeme ve taşıma gücü mekanizmaları hakkında basitleştirici varsayımların gerekmediği matematiksel modele ihtiyaç duymayan, girdiler ve çıktılar arasında ilişki kurabilen yapay sinir ağlan yöntemi kullanılmıştır. Günümüz yönetmeliklerinde yer alan kesme dayanımı hesabı büyük oranda basitleştirilmiş model ve ampirik bağıntılara dayanmaktadır. Agrega kenetlenmesi, kemer etkisi, kaldıraç etkisi, çekme rijitleşmesi vb. gibi karmaşık mekanizmaların tam ve gerçekçi olarak tanımlandığı bir fiziksel model olmadığından deneysel verilere dayanan yaklaşımlar temel alınmıştır. Bu çalışmada literatürden seçilen 193 kiriş deneyi veri ve sonuçlan kullanarak YSA modeli eğitilmiş ve test edilmiştir. Elde edilen sonuçlar, Türk Yönetmeliği (TS-500-2000), Amerikan Yönetmeliği (ACI-3 18-02), Avrupa Yönetmeliği (Eurocode-2), Avrupa Örnek Yönetmeliği (CEB-FIB-90) ile karşılaştırılmıştır. Deneysel olarak bulunan kesme kuvveti taşıma gücü değerlerinin, yönetmelik sonuçlarına bölünmesiyle elde edilen değerlerin ortalama ve standart sapmaları incelendiğinde YSA yaklaşımının gerçeğe çok daha yakın sonuçlar verdiği gözlenmiştir. YSA'nın kesme dayanımını belirlemede etkin bir yöntem olabileceği belirlendikten sonra, YSA ile üretilen kiriş örnek deney veri ve sonuçlan kullanılarak kesme dayanımını etkileyen beton basınç dayanımı (fc), boyuna donatı yüzdesi (p), kesme açıklığının etkili derinliğe oranı (a/d) ve kiriş etkili derinliği (d) parametreleri teker teker incelenmiş ve YSA tabanlı model bu beş girdiden oluşturulmuştur. İncelemede YSA'nın kesme dayanımını belirlemede yapay sinir ağlan algoritması kullanılarak MATLAB tabanlı bir program geliştirilmiş, kesme dayanımını belirlemede YSA'nın etkin olarak kullanabileceği gösterilmiştir. Ayrıca istatistiksel bir çalışma yapılarak, kesme dayanımı etkileyen bu beş bağımsız değişken ile çoklu regresyon analizi yapılmıştır. Regresyon analizlerinde söz konusu beş parametrenin kesme dayanımı üzerinde etkili olduğu ve kesme dayanımı tahmininde kullanılacak herhangi bir bağıntının beş değişkeni de kapsaması gerektiği sonucuna ulaşılmıştır.
Özet (Çeviri)
ABSTRACT The main purpose of this research is to study the behavior of concrete beams without web reinforcement and the determination of the shear strength. In order to predict the shear strength of this type of beams, several design codes proposed empirical/semi-emprical relations using the truss analogies and experimental values. Artificial Neural Network (ANN) technique which do not need any simplifying assumptions for load carrying mechanisms such as aggregate interlocking, dowel action, etc., and any mathematical and constitutive models; utilizes only input and outputs for training and test sets for the prediction of the shear strength of RC beams. The shear provisions contained in current codes are mainly based on empirical procedures and physical models including several assumptions for the material and interface behavior. For the absence of comprehensive physical models describing complex all interface mechanisms, the main approach are primarily based on the evaluation of experimental data. In the present study, ANN is trained and tested using 193 experimental data which are collected from the literature. These test results were compared with shear strength values predicted by the Turkish Code (TS-500-2000) the 2002 Final Draft of Eurocode 2, the ACI Code 318-02, and CEB-FIB-90. Investigation of mean value and standart deviation of these values obtained from dividing experimental results of shear failure to code procedures, the results of ANN approach for the shear strength are found to be in better agreement with the experimental values. After finding ANN can be an efficient tool for the prediction of the ultimate shear strength, the aim of this work is to evaluate the effects of the compressive strength (fc), tensile reinforcement ratio (p), shear span-to-depth ratio (a/d) and effective depth on shear strength of reinforced concrete beams without web reinforcement using beam specimen generated from available experimental data and its results and ANN model is developed using these five inputs. It is shown that neural networks algorithm which based MATLAB program provide an efficient alternative method in predicting the shear strength capacity of reinforced-concrete without web reinforcement. Furthermore pertaining a study based on statistics, multiple regression analyses are performed using these five independent variables. In this regression analysis, it is found that these five parameters have an important influence on the shear strength if any equations using for the prediction of shear strength should comprise these five independent variables.
Benzer Tezler
- Prediction of response and damage of reinforced concrete joints through artificial intelligence techniques
Betonarme birleşim bölgelerinde tepki ve hasarın yapay zekâ teknikleri kullanılarak tahmini
MEHMET OZAN YILMAZ
Doktora
İngilizce
2023
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SERKAN BEKİROĞLU
- Fretli kolonların kesme, eğilme ve süneklik kapasitelerinin yapay sinir ağları ile belirlenmesi
Determination of shear, flexure and ductility capacity of spiral column with neural network
MUSTAFA KOÇER
Yüksek Lisans
Türkçe
2016
İnşaat MühendisliğiSelçuk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT ÖZTÜRK
DOÇ. DR. MUSA HAKAN ARSLAN
- Yapay sinir ağları ile mermer kesme makinesinde spesifik enerjinin tahmini
The estimation of specific energy with artificial neural network in marbel cutting machine
EMRE AKARSLAN
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MURAT CANER
- Dın 1.2344 çeliğinin tornalanmasında oluşan kesme kuvvetleri ve yüzey pürüzlülüğünün modellenmesi
Modeling of cutting forces and surface roughness in turning of din 1.2344 steel
HAKAN YURTKURAN
Yüksek Lisans
Türkçe
2013
Makine MühendisliğiKarabük ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA GÜNAY
- Yapay sinir ağları ile tek boyutlu kesme probleminin çözümü üzerine
On the solution of one-dimensional cutting problem with artificial neural networks
TUGAY İLHAN