Geopolimer betonun yangın dayanımının makine öğrenmesi algoritmaları kullanılarak modellenmesi
Modelling the fire resistance of geopolymer concrete via machine learning algorithms
- Tez No: 793621
- Danışmanlar: DOÇ. DR. AHMET EMİN KURTOĞLU, DR. ÖĞR. ÜYESİ NECİP ALTAY EREN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Iğdır Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Sıradan Portland çimentolu betonların üretimi esnasında çevreye çeşitli sera gazı (CO2 gibi) salınımı yapması ve çimento ve beton üretiminde kullanılan doğal kaynakların tükenmesi, alternatif yapı malzemeleri arayışına neden olmuştur. Geopolimer beton iyi bir alternatif yapı malzemesi olarak karşımıza çıkmaktadır. Geopolimer betonun yapılarda kullanılabilirliğinin araştırılması gerekmektedir. Araştırılması gereken özelliklerinden biri ise yangına maruziyet sonrası basınç dayanımı olarak karşımıza çıkmaktadır. Fakat literatürde geopolimer betonun yangın dayanımını modelleyen çalışmalar oldukça az sayıdadır. Yapay zeka uygulamalarının gün geçtikçe hızlanması ve gelişmesi umut vaat etmekte, bu problemin çözüme kavuşturulmasında kullanılacak en iyi yöntemlerin başında gelmekte mevcut veri analiz edilerek geleceğe yönelik tahminlerde bulunmak mümkün olmaktadır. Bu amaçla yürütülen bu tezde literatürdeki geopolimer betonların yangın maruziyeti sonrası basınç dayanımını konu alan çalışmalar incelenmiş ve toplamda 332 deney verisi içeren bir veri seti oluşturulmuştur. Bu veri seti çeşitli yöntemlerle ön analize tabi tutulmuş ve modellemeye hazır hale getirilmiştir. Elde edilen bu veri seti kullanılarak Yapay Sinir Ağları, Destek Vektör Makineleri, Rastgele Orman, Gboost, XGboost ve LightGBM algoritmaları ile 6 adet model eğitilmiştir. Eğitilen bu modeller çeşitli istatistik yöntemlerle değerlendirilmiş ve modellerin tahmin sonuçlarının literatürdeki çalışmalar ile uyumlu olduğu görülmüştür. En iyi sonuçlar (en az hataya sahip) Gboost ve LightGBM modellerinden elde edilmiştir. Üretilen modeller kaydedilmiş ve Python kodları ile birlikte tez ekinde sunulmuştur. Yüksek sıcaklık etkisine maruz kalan geopolimer betonun kalan basınç dayanımının tahmininde makine öğrenmesi algoritmalarının oldukça umut verici sonuçlar verdiği görülmüştür.
Özet (Çeviri)
During the production of ordinary Portland cement concrete, various greenhouse gases such as CO2 are emitted to the environment, and the depletion of natural resources used in cement and concrete production has led to a search for alternative building materials. Geopolymer concrete appears to be a good alternative building material, but one of the properties that needs to be investigated is its compressive strength after exposure to fire. However, there are relatively few studies modeling the fire resistance of geopolymer concrete in the literature. The acceleration and development of artificial intelligence applications offer hope for finding the best methods for solving this problem by analyzing existing data to make predictions for the future. In this study, studies on the compressive strength of geopolymer concrete after exposure to fire in the literature were examined, and a dataset containing 332 experimental data was created. This dataset was pre-analyzed using various methods and prepared for modeling. Using this dataset, six models were trained with Artificial Neural Networks, Support Vector Machines, Random Forest, Gboost, XGboost, and LightGBM algorithms. These trained models were evaluated using various statistical methods, and it was found that the prediction results of the models were consistent with the studies in the literature. The best results (with the least error) were obtained from the Gboost and LightGBM models. The produced models were saved and presented in the thesis with Python code. Machine learning algorithms showed promising results in predicting the residual compressive strength of geopolymer concrete exposed to high temperatures.
Benzer Tezler
- Atık lastik katkılı geopolimer betonun mekanik özelliklerinin incelenmesi
Investigation of mechanical properties of waste tire added geopolimer concrete
ABDUSSALAM M. HASSAN SARKAZ
Yüksek Lisans
Türkçe
2020
İnşaat MühendisliğiKastamonu ÜniversitesiMalzeme Bilimi ve Makine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK MEMİŞ
- Seismic capacity of masonry arches optimally strengthened with fibre-reinforced polymer: Experimental and numerical investigation
Lif takviyeli polimer ile optimum olarak güçlendirilen yığma kemerlerin sismik kapasitesi: Deneysel ve sayısal araştırma
İSMAİL HAKKI TARHAN
Doktora
İngilizce
2022
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HABİB UYSAL
PROF. DR. PAULO BARBOSA LOURENCO
- Cam tozu katkılı ve yüksek fırın cürufu esaslı geopolimer betonların yangın dayanımının araştırılması
Investigation of fire resistance of glass powder doped and blast furnace slag based geopolymer concrete
ASLIHAN NİDA DERİNPINAR
Yüksek Lisans
Türkçe
2021
İnşaat Mühendisliğiİnönü Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BURHAN KARAKOÇ
- Geopolimer betonda cam tozu kullanımının araştırılması
Investigation of the use of glass powder in geopolymer concrete
MAJED ALİ IBRAHİM ANNAKOA
Yüksek Lisans
Türkçe
2019
İnşaat MühendisliğiKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK MEMİŞ
- Kolemanit atığı ve pomza tozu ile üretilen geopolimer harçların mekanik ve durabilite özellikleri
Mechanical and durability properties of geopolymer mortars produced with colemanite waste and pumice powder
AYKUT TUNTAŞ
Yüksek Lisans
Türkçe
2023
İnşaat MühendisliğiVan Yüzüncü Yıl Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAMIK YALTAY