In this study, concrete strength properties were estimated by surface response method, genetic algorithm, and artificial neural network methods. Cubic (10x10x10 cm) and prismatic (15x15x60 cm) concrete samples were prepared using six different concrete aggregates, and some models were developed to estimate the uniaxial compressive strength (UCSc) and flexural strength (FSc) of concrete. In the developed models, parameters such as concrete density (ρc), Los Angeles abrasion loss of concrete aggregates (LAA), and P wave velocity (Vpc) of concretes were used. The performances of the models obtained were evaluated in the light of some statistical indicators, and it was determined that methods based on genetic algorithms and artificial neural networks could be successfully used to estimate the concrete strength properties.
Bu çalışmada, beton dayanım özellikleri yüzey tepki yöntemi, genetik algoritma ve yapay sinir ağları yöntemleri ile analiz edilmiştir. Altı farklı beton agregası kullanılarak küp (10x10x10 cm) ve prizmatik (15x15x60 cm) beton numuneleri hazırlanmış olup, beton tek eksenli basınç dayanımı (UCSc) ve eğilme dayanımının (FSc) tahminlenmesi için bazı tahmin modeller geliştirilmiştir. Geliştirilen modellerde beton yoğunluğu (ρc), beton agregalarının Los Angeles aşınma kaybı (LAA) ve betonlara ait P dalgası hızı (Vpc) gibi parametreler kullanılmıştır. Elde edilen modellerin performansları bazı istatistiksel göstergeler ışığında değerlendirilmiş ve genetik algoritma ve yapay sinir ağlarını temel alan yöntemlerin beton dayanım özelliklerini tahmininde başarılı bir şekilde kullanılabileceği belirlenmiştir.
