• icon+90(533) 652 66 86
  • iconnwsa.akademi@hotmail.com
  • icon Fırat Akademi Samsun-Türkiye

Article Details

Article Details

  • Article Code : NWSA-48-137
  • Article Type : Araştırma Makalesi
  • Publication Number : A0099
  • Page Number : 580-589
  • Doi : 10.12739/
  • Abstract Reading : 1390
  • Download : 170
  • Share :

  • PDF Download

Issue Details

  • Year : 2008
  • Volume : 3
  • Issue : 4
  • Number of Articles Published : 6
  • Published Date : 1.10.2008

Cover Download Context Page Download
Dergi Kapağı
Technological Applied Sciences

Serial Number : 2A
ISSN No. : 1308-7223
Release Interval (in a Year) : 4 Issues

FARKLI TAHMİN YÖNTEMLERİ KULLANILARAK KIRMATAŞ KALKER AGREGALI BETONLARIN BASINÇ DAYANIMININ BELİRLENMESİ

Serkan SUBASI 1 , Ahmet BEYCIOGLU 2

Bu çalışmada, kırmataş kalker agregalı betonların basınç dayanımlarının belirlenmesi amacıyla çoklu doğrusal regresyon tekniği(RT) ve yapay sinir ağları(YSA) yöntemiyle iki farklı tahmin modeli geliştirilmiştir. Modellerde kırmataş kalker agregalı betonlardan elde edilen deneysel veriler kullanılmıştır. Çoklu lineer regresyon ve YSA metotları ile çimento miktarı (kg/m3), su miktarı ve taze beton çökme miktarlarına (cm) bağlı olarak beton basınç dayanımına ait tahmin modelleri geliştirilmiştir. Geliştirilen modeller ile tahmin edilen basınç dayanımı değerleri ve gerçek basınç dayanımları karşılaştırılarak modellerin güvenilirliği test edilmiştir. Sonuç olarak, yapay sinir ağlarının 0,79 çoklu belirleyicilik katsayısı (R2) ile regresyon tekniğine göre daha başarılı tahmin sonuçları verdiği, regresyon tekniğinin beton basınç dayanımlarını yapay sinir ağları modeline göre %15 daha fazla hata ile tahmin edebildiği belirlenmiştir.

Keywords
Yapay Sinir Ağları, Regresyon tekniği, Beton, Basınç Dayanımı, kırmataş kalker agregası,

DETERMINING THE COMPRESSIVE STRENGTH OF CRUSHED LIMESTONE AGGREGATE CONCRETE USING DIFFERENT PREDICTION METHODS

Serkan SUBASI 1 , Ahmet BEYCIOGLU 1

In this work two different prediction models have been developed to determine crushed limestone aggregate concrete compressive strength using regression technique (RT) and Artificial Neural Network (ANN) method. Experimental data which obtained from crushed limestone aggregate concretes used for developing both ANN and RT models. While developing the models to predict of compressive strength of concretes cement(kg), water(lt) and fresh concrete slump values (cm)were used. Predicted concrete compressive strengths using developed models compared with the experimental compressive strengths so the reliability of models tested. As a result, artificial neural networks exhibited high correlation coefficient that was 0,79 than regression technique and regression technique predicted the experimental results more mistaken than artificial neural networks in the rate of % 15.

Keywords
Artificial Neural Networks, Regression technique, Concrete, Compressive strength, crushed lımestone aggregate,

Details
   

Authors

Serkan SUBASI (1) (Corresponding Author)
Düzce Üniversitesi
subasi.serkan@gmail.com

Ahmet BEYCIOGLU (2)

Düzce ÜNİVERSİTESİ
abeycioglu@duzce.edu.tr

Supporting Institution

 :

Project Number

 :

Thanks

 :
References