INVESTIGATIONS ON THE PREDICTION OF CONCRETE CARBONATION DEPTH BY ARTIFICIAL NEURAL NETWORKS
BETON KARBONASYON DERİNLİĞİNİN YAPAY SİNİR AĞLARIYLA TAHMİNİ ÜZERİNE ARAŞTIRMALAR
- Tez No: 921958
- Danışmanlar: ASSOC. PROF. DR. PINAR AKPINAR
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Yakın Doğu Üniversitesi
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Yapı Malzemesi Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Betondaki karbonatlaşma problemi, atmosferdeki CO2 gazının beton mikrostrüktürüne girerek çimento hidratasyon ürünleri ile reaksiyona girmesiyle oluşur. Bu reaksiyon, hem beton mikrostrüktüründe değişimlerin meydana getirmekte, hem de donatı korozyonunun başlamasına neden olabilmektedir. Donatı korozyonu ile birlikte betondaki karbonatlaşma problemi, betonarme binalarda ciddi hasarlara neden olabilmekte ve böylelikle binaların servis ömrünü etkileyebilmektedir. İlgili tüm faktörleri göz önünde bulundurarak karbonatlaşma probleminin beton içerisinde ilerlemesini öngörebilecek bir modelin oluşturulması ile binaların tasarlanan servis ömürlerini sürdürebilmeleri konusunda yarar sağlaması beklenmektedir Bu tez çalışması, betondaki karbonatlaşma derinliğinin tahribatsız bir yöntemle belirlenebilmesi ve karbonatlama probleminin ilerlemesinin tahminin yapılabilmesinde“Yapay Sinir Ağları”nın uygulanabilirliğini araştırmaktadır. Literatür taramasından elde edilen 225 deneysel numune bilgileri ileri beslemeli geriye yayınım yapay sinir ağları ile üç katmanlı bir modelde 14 algoritma ile üç değişik eğitim/test dağılımı ve beş farklı gizli noron sayısı kullanılırak çalışıldı. Bu çalışmada elde edilen sonuçlar yapay sinir ağları ile karbonatlaşma derinliği tahmini çalışmalarının başarılı şekilde yapılabileceğini göstermektedir; çalışmada kullanılan tüm değerler ile bulunan korelasyon katsayıları (R) 0.9'dan daha yüksek, ve karesel ortalama hata (MSE) değerleri 0.001'e yaklaşmış olarak elde edilmiştir. Tüm elde edilen sonuçlara bakıldığında,“Scaled Conjugate Gradient (SCG)”fonksiyonunun 60:40 oranındaki eğitim/test veri dağılımı ve 10 gizli nöron ile kullanılmasıyla en başarılı karbonatlaşma tahmininin elde edildiği gözlemlenmiştir.
Özet (Çeviri)
Carbonation problem in concrete occurs as a result of the chemical reaction between the products of cement hydration and CO2 penetrating into the concrete porosity. This chemical reaction do not only alter the concrete microstructure, but it is also known to cause initiation of reinforcement corrosion. Hence, the service life of the structure is affected. An adequate model capable of considering the effects of influencing factors for the prediction of the progress of carbonation process in concrete would provide benefits in maintaining the designed service life of structures. This study aims to investigate the feasibility of Artificial Neural Networks (ANN) for the prediction of carbonation depths progressing in concrete as a non-destructive method. A supervised neural network models based on the Feed-Forward backpropagation learning algorithm was used. 18 input parameters including binders' composition, mix design parameters, curing properties and environmental factors, that are known to influence carbonation process, were employed in the model. 225 experimental cases obtained from the related literature were used to train and test the proposed ANN model and carbonation depth was predicted as the output. A combination of 14 different optimization functions with three training/testing ratios and five different numbers of hidden neurons was studied. The results obtained indicates the feasibility of ANN use for carbonation depth predictions; correlation coefficient (R) values that were greater than 0.9 in all cases, together with the network training mean square error (MSE) converging to a threshold of 0.001 were obtained. The results shows that optimized combination of training/testing ratios, number hidden neurons and the optimization function yielding best performance was found to be Scaled Conjugate Gradient (SCG) under 60:40 traning:testing distribution with 10 hidden neurons.
Benzer Tezler
- Effect of cement type on concrete maturity
Çimento tipinin betonun olgunluğu üzerine etkileri
ÖZLEM KASAP
Yüksek Lisans
İngilizce
2002
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TOKYAY
- Betonarme kirişlerin dış ardgerme uygulanarak rehabilitasyonu: Taşıma limit durumu için yapay zekâ tahmin modellerinin geliştirilmesi
Rehabilitation of reinforced concrete beams by applying external post-tension: Developing artificial intelligence prediction models for ultimate limit state
AHMED BADNJKI
Yüksek Lisans
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK
- Bazı kayaç özelliklerinin kollu galeri açma makineleri ve hidrolik kırıcıların kazı performansındaki etkilerinin incelenmesi
Investigation into the effect of some rock properties on cutting performance of readheaders and hydraulic hammers
TURGAY DİNÇER
- Multi-objective optimization of swirl burner with premixed ammonia/hydrogen flame
Ön karışımlı amonyak/hidrojen alevine sahip girdaplı yakıcının çok hedefli optimizasyonu
MEHMET ANIL GÜLŞAN
Doktora
İngilizce
2026
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP ERHAN BÖKE
- Betonarme kolonların deprem performansının tekstil donatılı / donatısız cam lifli püskürtme harçla iyileştirilmesi
Improvement of seismic performance of reinforced concrete columns using glass fiber reinforced sprayed mortar with / without textile reinforcement
ALİ OSMAN ATEŞ
Doktora
Türkçe
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ