Geri Dön

Beton çelik çubuklarında mukavemet özelliklerinin yapay sinir ağları ve çoklu regresyon yöntemleri ile tahmini

Estimation of strenght proporties in concrete steel bars by artificial neural networks and multiple regression methods

  1. Tez No: 466594
  2. Yazar: HANDE VURŞAN
  3. Danışmanlar: YRD. DOÇ. DR. FUAT ŞİMŞİR, YRD. DOÇ. DR. ÖZER UYGUN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 91

Özet

Bu çalışmada, tempcore sistemi ile üretilen nervürlü inşaat çeliğinin mekanik fizik özelliklerinin“Çoklu Regresyon”ve“Yapay Sinir Ağları”ile tahminlemesinin yapılması amaçlanmıştır. Kimyasal kompozisyonu oluşturan elementlerden; karbon, mangan ve silisin yanında haddeleme sürecinde mukavemete etki eden diğer parametreler (su debisi, ebat vb.),“bağımsız değişkenler”olarak belirlenmiştir. Bağımlı değişken olarak“Akma Mukavemeti”ve“Çekme Mukavemeti”her iki yöntem ile tahmin edilmiştir. Elimizde bulunan veriler içerisinden 2016 yılında en çok satışı yapılan üç ebat alınmış ve her bir yöntemin analizi ebat bazlı yapılmıştır. Ebat bazlı yapılan her bir analiz için akma ve çekme ayrı olarak değerlendirilmiştir. Çoklu regresyon analizi her bir ebat ve çıktı değişkenine göre ayrı yapılmıştır. Katsayı korelasyonu (R) değerleri, modeli açıklama oranları, düşük çıkmıştır. Aynı veriler yapay sinir ağı ile modellenmiştir. Öncelikle en iyi eğitim fonksiyonunun hangisi ve kaç nörona sahip olduğu ile ilgili 12'lik ebat üzerinde denemeler yapılmıştır. En iyi eğitim fonksiyonu ve doğru sayıda nöron ile ağ yapıları oluşturulup eğitilmiştir. En uygun ağ yapısı seçilmiştir. Tahmin edilebilirliği yüksek ağ yapısı diğer ebatlar içinde aynı mimari yapıda ve eğitim fonksiyonu ile hazırlanmıştır. Her iki yönteme bakıldığında tahminleme oranı yüksek olan YSA yönteminin daha iyi sonuçlar verdiğini test edilen örneklerde de görmekteyiz. Yapılan çalışma sonucunda; kimyasal kompozisyonda ya da tesis şartlarında akmaya etki eden, su debisi gibi girdi değişkenlerinin hangi akma/çekme değerlerini vereceği önceden belirlenerek (öngörülerek), üretim hatalarının engellenmesiyle hatalı ve/veya hurdaya çıkarılan ürün miktarının azaltılması hedeflenmiştir. Anahtar Sözcükler : Beton çelik çubuk, mukavemet, çoklu regresyon, yapay sinir ağı.

Özet (Çeviri)

In this study, our purpose is estimating the mechanical physics properties of the concrete steel bar produced by the tempcore system which is most common method with“Multiple Linear Regression”and“Artificial Neural Network”(ANN). Generating to elements of chemical composition which are carbon, manganese and silica, also parameters (water discharge) affecting the strength in the rolling process were determined as“independent variables”.“The Yield Strength”and“Tensile Strength”as a dependent variable is estimated by these two methods. In 2016, the three most widely sold sizes of the data were obtained and the analysis of each method was made on the basis of size. For each analysis made on a size basis, the yield and tensile were evaluated separately. Multiple regression analysis was done separately for each size and output variable. Coefficient correlation (R) values, model explanation ratios were low. The same data are modeled with artificial neural networks. Firstly, experiments were carried out on the size of 12 which is about the best training function and how many neurons it has. Network structures with the best training function and the right number of neurons were created and trained. The most suitable network structure has been selected. The network structure with high predictability is prepared with the same architectural structure and educational function in other dimensions. We can see in the tested samples that the ANN method, which has a high estimation rate, gives better results in both methods. As a result of the study, it is aimed to reduce the amount of scrap product that is erroneous and/or to be released to the waste by preventing the production faults by predicting which yield values of the input variables such as water flow will yileding in the chemical composition. Key Word : Concrete steel bar, strenght proporties, multiple regression, artificial neural network.

Benzer Tezler

  1. Beton çelik çubuklarının ısı etkilerine karşı mekaniksel ve kimyasal yönden analizi ile ekonomik durumun araştırılması

    Başlık çevirisi yok

    SALİH TANER YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Teknik EğitimFırat Üniversitesi

    Yapı Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. M. ŞÜKRÜ YILDIRIM

  2. Influence of powder and emulsion polymer addition on strength and capillary properties of cement mortars

    Toz ve emülsyon polimer katkılarının çimentolu harçların dayanım ve kılcallık özelliklerine etkisi

    ZEHRA KÖKMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Polimer Bilim ve Teknolojisiİstanbul Teknik Üniversitesi

    Polimer Bilim ve Teknolojisi Ana Bilim Dalı

    PROF. DR. MUSTAFA HULUSİ ÖZKUL

  3. Aşırı yükleme şartlarında emniyetle çalışabılecek kapı kilitleme mekanizması tasarımı

    The desing of the door locking mechanism can work safely under overloading conditions

    ARDA KUYUMCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZEYNEP PARLAR

  4. Tekne konstrüksiyonunda kullanılabilecek ferrosement yapının mekanik davranışı ve en uygun malzeme bileşenlerinin belirlenmesi

    Die Bestimmung der optimalen materialzusammensetzung und das mechanische verhalten des fur den bootsbau geeigneten ferrocements

    HALUK KAYA

    Doktora

    Türkçe

    Türkçe

    1986

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. TEOMAN ÖZALP