Efektif Kendiliğinden Yerleşen Hafif Beton Dayanımı Tahmini için Farklı Makine Öğrenmesi Algoritmalarının Karşılıklı Değerlendirilmesi

Abstract

İnşaat mühendisliği literatüründe, özel beton türlerinin karışım tasarımını modellemek ve bu amaçla betonun bazı özelliklerini tahmin etmek için makine öğrenmesi yöntemleri sıklıkla kullanılmaktadır. Geleneksel karışım tasarımı hesapları, istenilen özellikte betonun üretilebilmesi için bir deneme yanılma süreci gerektirmektedir. Bu süreçte zaman, işgücü ve malzeme kayıpları yaşanır. Makine öğrenmesi yöntemleri kullanılarak deneme yanılma karışımlarının sayısı azaltılabileceğinden, gerek duyulan özelliklere sahip betonun üretilebilmesi kolaylaşabilir. Burada söz konusu malzeme Kendiliğinden Yerleşen Hafif Beton (KYHB) gibi özel bir tür beton ise karışım tasarımının pratik hale getirilmesi ile üretim sürecinin hızlandırılması daha büyük önem kazanır. Hem kendiliğinden yerleşen özellikte hem de hafif agrega içeren bu beton türünün istenilen özelliklerde üretilebilmesi süreci geleneksel betona göre daha zordur. Bu çalışmada, KYHB’nin basınç dayanımını tahmin etmek için dört farklı makine öğrenmesi algoritması karşılaştırılmalı değerlendirilmiştir. Çalışmanın amacı, KYHB bileşiminden basınç dayanımının tahmin edilmesidir. Ek olarak makine öğrenmesi algoritmalarının beton performansını tahmin etmedeki başarısını kanıtlamak ve böylece yöntemin öncelikle beton karışım hesabı için kullanımını artırmaktır. Bu amaçla, KYHB karışımının bazı deneysel özelliklerini ve bileşimini içeren bir veri seti ile Lineer Regresyon, Gauss Süreç Regresyonu, Quadratik ve Kernel Destek Vektör Makinası yöntemleri kullanılarak 4 farklı tahmin modeli geliştirilmiştir. Geliştirilen modellerin performansı, deneysel sonuçlar ile model çıktısı arasındaki doğrusal korelasyon oranı ve hata miktarları açısından değerlendirilmiştir. Gauss Süreç Regresyonu modeli ise bu çalışmada en başarılı makine öğrenmesi metodu olmuştur.