Geri Dön

Cüruf tabanlı geopolimer harçlarda yapay sinir ağı ve regresyon modelleriyle basınç dayanımının tahmin edilmesi

Prediction of compressive strength of slag-based geopolymer mortars by artificial neural network and regression models

  1. Tez No: 879907
  2. Yazar: ATCHADEOU YRANAWA KATATCHAMBO
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ŞİNASİ BİNGÖL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Tokat Gaziosmanpaşa Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

İnşaat mühendisliği alanı, geleneksel çimento bazlı beton gibi inşaat malzemelerine bağlı olarak ortaya çıkan sera gazı emisyonlarının azaltılması gibi büyük çevresel zorluklarla karşı karşıyadır. Bu malzeme, yüksek enerji tüketimi ve yoğun üretim süreci nedeniyle küresel CO2 emisyonlarına önemli ölçüde katkıda bulunmaktadır. Bu tezin ana amacı, demir-çelik endüstrisinin bir yan ürünü olan cüruf bazlı geopolimer harçlarının basınç dayanımını tahmin etmek ve iyileştirmektir. Bu amaçla, iki tür cüruf (demir ve yüksek fırın cürufu) kullanılmış, sodyum meta silikat ile aktive edilmiş ve nehir kumu ile karıştırılmıştır. Geopolimer harçlar, belirlenen standartlara uygun olarak 40*40*160 mm prizmatik kalıplarda 1200 g standart kum, 450 g bağlayıcı (DC ve YFC), 225 ml su ve 10 farklı oranda sodyum meta silikat (12 g, 24 g, 36 g, 48 g, 60 g, 72 g, 84 g, 96 g, 108 g ve 120 g) kullanılarak üretilmiştir. Ultrasonik iletim hızı, eğilme dayanımı, basınç dayanımı ve numune ağırlığı 75°C'de 24 saat kürlendikten sonra belirlenmiştir. Veri analizi, karışım bileşenleri ile basınç dayanımı arasındaki ilişkiyi modellemek için SPSS yazılımında doğrusal regresyon, çoklu doğrusal olmayan regresyon, üstel regresyon ve yapay sinir ağları yöntemi gibi yapay zekâ yöntemleri kullanılarak gerçekleştirilmiştir. Basınç dayanımını (Cs Ort) tahmin etmek için demir cürufu, yüksek fırın cürufu ve sodyum miktarı, numunelerin ağırlıkları, ultrasonik iletim hızı değerleri bağımsız değişken olarak kullanılmıştır. Lineer fonksiyon, eğitim örnekleri için %85,67 ve test örnekleri için %81,89 korelasyon katsayıları elde edilmiştir. Üs fonksiyon, test örnekleri için %95,36 R² indeksi ve %94,06 korelasyon katsayısı ile mükemmel bir tahmin performansı göstermiştir. Üstel fonksiyon da %92,93 R² ve %93,66 korelasyon katsayısı ile iyi bir performans ortaya koymuştur. Yapay sinir ağları önemli bir potansiyel göstermiştir, ancak yapılarının hassas bir şekilde optimize edilmesini gerektiren değişken sonuçlar elde edilmiştir. Sonuçlar, optimum geopolimer harç formülasyonlarının belirlenmesinde kullanılmış ve inşaat sektöründe benimsenmelerini desteklemiştir.

Özet (Çeviri)

The field of civil engineering is facing major environmental challenges, such as reducing greenhouse gas emissions associated with construction materials such as traditional cement-based concrete. This material contributes significantly to global CO2 emissions due to its high energy consumption and intensive production process. The main objective of this thesis is to predict and improve the compressive strength of geopolymer mortars based on slag, a by-product of the iron and steel industry. For this purpose, two types of slag (iron and blast furnace slag) were used, activated with sodium meta silicate and mixed with river sand. Geopolymer mortars were produced in 40*40*160 mm prismatic molds using 1200 g of standard sand, 450 g of binder (DC and YFC), 225 ml of water and 10 different proportions of sodium meta silicate (12 g, 24 g, 36 g, 36 g, 48 g, 48 g, 60 g, 72 g, 84 g, 96 g, 108 g and 120 g) in accordance with the specified standards. Ultrasonic transmission rate, flexural strength, compressive strength and specimen weight were determined after curing at 75°C for 24 hours. Data analysis was performed using artificial intelligence methods such as linear regression, multiple nonlinear regression, exponential regression and neural network method in SPSS software to model the relationship between mix components and compressive strength. To predict the compressive strength (Cs Ort), the amount of iron slag, blast furnace slag and sodium, weights of the samples, ultrasonic transmission velocity values were used as independent variables. The linear function yielded correlation coefficients of 85.67% for training samples and 81.89% for test samples. The exponential function showed an excellent prediction performance with an R² index of 95.36% and a correlation coefficient of 94.06% for the test samples. The exponential function also performed well with an R² of 92.93% and a correlation coefficient of 93.66%. Artificial neural networks have shown significant potential, but with variable results that require precise optimization of their structure. The results have been used to identify optimal geopolymer mortar formulations and support their adoption in the construction industry.

Benzer Tezler

  1. Farklı tür agregalarda üretilen metakaolin tabanlı geopolimer harçların mekanik ve durabilite özelliklerinin incelenmesi

    The investigation of mechanical and durability properties of metakaolin-based geopolymer mortars produced with different types of aggregates

    FURKAN ŞAHİN

    Doktora

    Türkçe

    Türkçe

    2020

    İnşaat Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜCTEBA UYSAL

    DOÇ. DR. ORHAN CANPOLAT

  2. Metakaolin ve yüksek fırın cüruf tabanlı ısıl kürsüz geopolimer harç üretimi ve dayanıklılığın araştırılması

    Production of metakaolin and blast furnace slag based non-heat cured geopolymer mortar and investigation on durability

    HİDAYET ALPER MUTLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İnşaat MühendisliğiEskişehir Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURAK IŞIKDAĞ

  3. Farklı lif içeriğine sahip yüksek fırın cürufu, obsidyen ve metakaolin tabanlı geopolimer harçların ve betonların incelenmesi

    Investigation of geopolymer mortars and concretes based on blast furnace slag, obsidian, and metakaolin with different fiber content

    ZAFER KURT

    Doktora

    Türkçe

    Türkçe

    2023

    İnşaat MühendisliğiRecep Tayyip Erdoğan Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. İLKER USTABAŞ

  4. Nano titanyum dioksit içeren cüruf tabanlı geopolimer harçların donma-çözülme dayanıklılığı ve kendi kendini temizleme özelliklerinin incelenmesi

    Investigation of freeze-thaw resistance and self-cleaning properties of slag based geopolymer mortars containing

    ATİLLA YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İnşaat MühendisliğiFırat Üniversitesi

    İnşaat Mühendisliği Teknolojileri Ana Bilim Dalı

    PROF. DR. HARUN TANYILDIZI

  5. Silis dumanı katkılı geopolimer harçların mekanik ve fiziksel özelliklerinin incelenmesi

    Investigation of mechanical and physical properties of silica fume added geopolymer mortars

    BUKET OSMANÇELEBİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat Mühendisliğiİstanbul Gelişim Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUKHALLAD MOHAMMED MAWLOOD AL-MASHHADANI

    DR. YURDAKUL AYGÖRMEZ