Kendiliğinden yerleşen çelik lifli beton performansını tahmin edecek sistemin modellenmesi

Özel bir beton türü olan kendiliğinden yerleşen beton özel yapılarda başarı ile kullanılmaktadır. Kendiliğinden yerleşen betonun kullanımı, sağladığı avantajlar sebebiyle son yıllarda giderek artmaktadır. Bu avantajların en önemlileri geleneksel betona göre, maliyetinin azalması ve inşaat süresinin kısaltılmasıdır. Kendiliğinden yerleşen betonun tasarım aşamasında, yüksek toz madde içeriği ve düşük su bağlayıcı oranı zayıf stabiliteye sebep olabilmektedir. Bu zayıf yönünün geliştirilmesi için beton karışımına çelik lif eklenmektedir. Çelik lifler beton türlerinin çatlama gelişimini kontrol etmek ve çekme mukavemetini arttırmak için mükemmel malzemelerdir. Bu sebeplerden dolayı kendiliğinden yerleşen çelik lifli beton üstün performans özelliklerine sahip olması sebebiyle literatürde yaygın olarak araştırılan özel bir beton türüdür. Bu özel beton türünün uygun karışımlarını elde etmek için en az iki farklı taze beton ve bir adet sertleşmiş beton performansını tespit edecek deneylere ihtiyaç duyulmaktadır. Bu deneyler uzun zaman, maliyet ve teknik iş gücüne ihtiyaç duymaktadır. Çelik lifli kendiliğinden yerleşen betonda, uygun karışım oranlarını elde etmek zor ve çok fazla parametreye bağımlı olduğu için ekonomik ve hızlı bir tasarım sürecine ihtiyaç duyduğu düşünülmektedir. Bu sorunu ortadan kaldırmak için bu tez çalışmasında makine öğrenmesi yöntemleri kullanılarak kendiliğinden yerleşen çelik lifli betonun taze ve sertleşmiş beton performansını tahmin edecek modeller önerilmiştir. Taze beton performansını tahmin etmek için v-hunisi, T50 ve çökme-yayılma deneyleri seçilmiştir. Sertleşmiş beton deneyi için ise 28 günlük standart küp numune deneyleri seçilmiştir. Veri setleri deneysel olarak ve literatürden farklı tez ve yayınlardan elde edilmiştir. Temel makine öğrenmesi yöntemlerinden k-en yakın komşu, lineer regresyon, regresyon ağaçları, destek vektör makineleri ve uç öğrenme makineleri kullanılmıştır. Bu yöntemler farklı alanlarda literatürde yer alan veri setleri ve deneysel olarak elde edilen veri setlerinde başarı ile uygulanarak denenmiştir. Uç öğrenme makineleri yönteminin performansı beş farklı kaotik harita (çebişev, yinelemeli, lojistik, parçalı ve çadır) kullanılarak iyileştirilmiştir. Önerilen yeni yöntemlerin dört farklı deneyin üç tanesinde daha iyi sonuçlar verdiği gözlemlenmiştir. Önerilen yeni yöntemlerin farklı alanlarda da başarı ile uygulanacağı düşünülmektedir.