Hafif yapı malzemelerinin ısıl iletkenlik özelliklerinin yapay sinir ağları kullanılarak tahmin edilmesi
Yükleniyor...
Dosyalar
Tarih
2020-06-30
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Batman Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Attribution-ShareAlike 3.0 United States
Attribution-ShareAlike 3.0 United States
Özet
Binaların ısıtılması ve soğutulması için tüketilen enerjinin artmasıyla birlikte ısıl performansı yüksek olan bina malzemelerine olan ihtiyaç günden güne artmaktadır. Bina malzemelerinin ısıl performansı ise direk olarak malzemelerin termofiziksel özellikleri ile değişim göstermektedir. Bu çalışmada, binalarda enerji verimliliğini sağlamak için, uygun mekanik özellikler korunarak yüksek ısı yalıtım özelliğine sahip olan yeni yapı malzemeleri elde etmek amacıyla deneysel ve teorik bir çalışma gerçekleştirilmiştir. Bu amaçla, sabit su-çimento oranında, normal agrega yerine hacimce %10, %20, %30, %40 ve %50 oranlarında pomza, genleştirilmiş perlit ve lastik agregaları kullanılarak çeşitli beton numuneleri hazırlanmıştır. 102 adet beton numunesi farklı bileşimlerde ve değişik malzemeler kullanılarak üretilmiştir. Tüm numunelerin mekanik testleri yapılmış, ısıl iletkenlik özellikleri sıcak disk yöntemi ile ASTM ve EN standartlarına uygun olarak belirlenmiştir. Üretilen numunelerden deneysel olarak elde edilen ısıl iletkenlik özelliği geliştirilen yapay sinir ağı çıkışlarıyla karşılaştırılmış ve sonuçlar incelenmiştir. Geliştirilen yapay sinir ağında sadece mekanik özellikler giriş olarak kullanılmış ve malzemelerin ısıl iletkenlik ile ilişkisi araştırılmıştır. Yapay sinir ağı girişi olarak beton tipi, agrega oranı, yoğunluk, basma dayanımı, porozite ve ısıl iletkenlik olarak belirlenmiştir. Çıktılar karşılaştırıldığında, bulunan sonuçların birbirleriyle uyumlu olduğu ve hafif betonlara ait ısıl iletkenlik değeri %-1.09 ile %6,4 arasında bir hata ile tahmin edilmesinin kabul edilebilir olduğu görülmüştür.
The growing concern about energy consumption of heating and cooling of buildings has led to a demand for improved thermal performances of building materials. In this study, an experimental investigation is performed to predict the thermal insulation properties of wall and roof structures of which the mechanical properties are known, by using back-propagation artificial neural network (ANNs) method. The produced samples are cement based and have relatively high insulation properties for energy efficient buildings. In this regard, 102 new samples and their compositions are produced and their mechanical and thermal properties are tested in accordance with ASTM and EN standards. Then, comparisons have been made between the determined thermal conductivity of the newly produced structures, which are obtained from experimental method and ANN method that uses mechanical properties as input parameters. From the test results, since the percentage errors in the thermal conductivity values between experimental data and neural network prediction vary from - 1.09% to 6.4%, It can be concluded that the prediction of the artificial neural network has proceed in the correct manner.
The growing concern about energy consumption of heating and cooling of buildings has led to a demand for improved thermal performances of building materials. In this study, an experimental investigation is performed to predict the thermal insulation properties of wall and roof structures of which the mechanical properties are known, by using back-propagation artificial neural network (ANNs) method. The produced samples are cement based and have relatively high insulation properties for energy efficient buildings. In this regard, 102 new samples and their compositions are produced and their mechanical and thermal properties are tested in accordance with ASTM and EN standards. Then, comparisons have been made between the determined thermal conductivity of the newly produced structures, which are obtained from experimental method and ANN method that uses mechanical properties as input parameters. From the test results, since the percentage errors in the thermal conductivity values between experimental data and neural network prediction vary from - 1.09% to 6.4%, It can be concluded that the prediction of the artificial neural network has proceed in the correct manner.
Açıklama
Anahtar Kelimeler
Beton, Isıl İletkenlik, Mekanik Özellikler, Yapay Sinir Sağları, Enerji Verimli Binalar, Concrete, Thermal Conductivity, Mechanical Properties, Back-Propagation, Energy Efficient Buildings
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
10
Sayı
1
Künye
Fidan, Ş., Oktay, H., Polat, S. (2020). Hafif yapı malzemelerinin ısıl iletkenlik özelliklerinin yapay sinir ağları kullanılarak tahmin edilmesi. Batman Üniversitesi Yaşam Bilimleri Dergisi, 10 (1), ss. 28-41.
