CAM ELYAF KATKILI BETON NUMUNELERİN MEKANİK DAVRANIŞLARININ İNCELENMESİ VE YAPAY SİNİR AĞLARI İLE MODELLENMESİ

Abstract

Bu çalışmada; su/çimento oranları 0.45, 0.50 ve 0.55 olan 300, 350 ve 400 dozlu ve 5, 10, 15, 20 kg/m3 oranlarında cam elyaf içeren beton numunelerin porozite, kapiler su emme katsayısı, ultra ses geçiş hızı tayinleri yapılmıştır. Ayrıca basınç ve yarmada çekme dayanımları test edilmiştir. Numunelerin basınç ve yarmada çekme dayanımlarını tahmin eden yapay sinir ağı (YSA) modellenmiştir. Çalışma sonucunda, cam lif içeriğinin artması ile porozite değerinde ve kapiler su emme katsayında artış meydana gelmiştir, bunun yanı sıra ultra ses geçiş hızlarında azalma meydana gelmiştir. Ayrıca numunelerin basınç dayanımları düşük lif oranlarında küçük artışlar göstermesine rağmen yüksek lif miktarlarında düşüşler göstermiştir. Benzer şekilde yarmada çekme dayanımları düşük cam lif oranlarında artış göstermiştir ancak 20 kg/m3 cam lif içeren numunelerde yarmada çekme dayanımlarında azalma meydana gelmiştir. Geliştirilen YSA modeli ile deneysel olarak elde edilen veriler karşılaştırılmış ve sonuçların kabul edilebilir değerlerde olduğu görülmüştür.Anahtar Kelimeler: Beton, Cam Elyaf, Basınç Dayanımı, Yarmada Çekme Dayanımı, Yapay Sinir AğlarıIn this study, porosity, capillary water absorption coefficient, pulse velocity, compressive strength and split tensile strength of the concrete specimens, which have water-cement ratios of 0.45, 0.50 and 0.55, dosages of 300, 350 and 400, and 5, 10, 15, 20 kg/m3 ratio of glass fiber, were tested. Furthermore compressive strength and split tensile strength of the concrete specimens were modeled with artificial neural network. As a result of the study the porosity and capillary water absorption coefficient of the concretes have increased depending on the rise of the glass fiber ratio, As well as the pulse velocity of the concretes have decreased. Although the compressive strength of the concretes small increases in ratios low fiber, showed decreases ratios high-fiber. Similarly, the split tensile strength of the concrete specimens have increased low ratios glass fiber, but the splitting tensile strength of the concrete specimens which is containing 20 kg/m3 glass fiber have decreased. The data which were provided by ANN model were compared with the data obtained from experimental study and a good agreement was determined between the results.Key Words: Concrete, Glass Fiber, Compressive Strength, Split Tensile Strength, Artificial Neural Network