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

Article Details

Article Details

  • Article Code : NWSA-685-445
  • Article Type : Araştırma Makalesi
  • Publication Number : 1A0237
  • Page Number : 1292-1303
  • Doi : 10.12739/
  • Abstract Reading : 1054
  • Download : 131
  • Share :

  • PDF Download

Issue Details

  • Year : 2011
  • Volume : 6
  • Issue : 4
  • Number of Articles Published : 79
  • Published Date : 1.10.2011

Cover Download Context Page Download
Dergi Kapağı
Engineering Sciences

Serial Number : 1A
ISSN No. : 1308-7231
Release Interval (in a Year) : 4 Issues

ATIK MERMER TOZU VE CAM LİF KATKILI BETONLARIN BASINÇ DAYANIMLARININ YAPAY SİNİR AĞLARI İLE TAHMİNİ

Oğuzhan KELEŞTEMUR 1 , Servet YILDIZ 2

Bu çalışmada, su/çimento oranı 0,60 olan, 300 ve 350 dozlu betonların üretimi sırasında karışıma 4 farklı oranda kırpılmış cam lif ilave edilerek elde edilen bu serilere filler malzeme ile hacimce %25, 50, 75 ve 100 oranlarında yer değiştirecek şekilde atık mermer tozu ilave edildi. Elde edilen numunelerin ultrases geçiş hızları, porozite değerleri, yarmada çekme dayanımları ve basınç dayanımları belirlendi. Yapay sinir ağına (YSA) girdi seti olarak dozaj, agrega miktarı, lif oranı, mermer tozu oranı, porozite, ultrases geçiş hızı ve yarmada çekme dayanımı değerleri seçilerek basınç dayanımları tahmin edildi. Çalışma sonucunda, geliştirilen YSA modeli ile deneysel olarak elde edilen veriler karşılaştırıldı ve sonuçların uyum içerisinde olduğu belirlendi.

Keywords
Cam Lif, Atık Mermer Tozu, Beton, Yapay Sinir Ağı, Basınç Dayanımı,

ESTIMATION OF COMPRESSIVE STRENGTH OF WASTE MARBLE DUST AND GLASS FIBRE INCLUDED CONCRETES BY ARTIFICIAL NEURAL NETWORK

Oğuzhan KELEŞTEMUR 1 , Servet YILDIZ 1

In this study, during the production phase of 300 and 350 dosages concretes that has 0.60 water/cement ratio, clipped glass fibre added to the mixture in ratio of four including the filler material and 25, 50, 75 and 100% volume ratio waste marble dust which can be used in place of filler material. Compressive strength, splitting tensile strength, ultrasonic pulse velocity and porosity coefficient of obtained sample were determined. Approximate estimation of compressive strength performed via selecting dosages, fibre ratio, marble dust ratio, porosity coefficient, ultrasonic pulse velocity and splitting tensile strength as an input of Artificial Neural Network (ANN). As a result of this study, developed ANN model compared with the obtained experimental values and it was detected that results match with each other.

Keywords
Glass Fibre, Waste Marble Dust, Concrete, Artificial Neural Network, Compressive Strength,

Details
   

Authors

Oğuzhan KELEŞTEMUR (1) (Corresponding Author)
Fırat Üniversitesi
okelestemur@firat.edu.tr

Servet YILDIZ (2)

Fırat Üniversitesi
syildiz@firat.edu.tr

Supporting Institution

 :

Project Number

 :

Thanks

 :
References