Geçen bir kaç yıl içerisinde, inşaat mühendisliğindeki bilgisayarlı hesaplamalarda Yapay Zeka uygulamaları ilk sırayı almıştır. Bu uygulamalar genellikle uzman sistemleri içermektedir. Bu çalışmada, değişik bir Yapay Zeka yaklaşımı olan yapay sinir ağlarına (YSA) değinilmiş ve bir uygulama sunulmuştur. Yapay sinir ağları lineer olmayan bir yapıya sahiptir. Bu durum YSA ları her alana uygulanabilir hale getirmiştir. Sonuçlara çok kısa zamanda yaklaşmadaki etkinliği diğer yaklaşım metodlarına göre onu bir tercih sebebi yapmıştır. Bu çalışmada, bir geriye yayılma yapay sinir ağı programı NETICE kullanılmıştır. Bu program ile granülometrisi belirli iki grup agrega karışımından ideal bir karışımın granülometrisi, incelik modülü yöntemi esas alınarak hesaplanıp TS 706'da öngörülen sınır eğrileri arasına düşüp düşmediği araştırılmıştır. Problemin eğitim setinde konvansiyonel bir bilgisayar programı yardımıyla bulunan veriler kullanılmıştır. Problemin değişkenleri ağa normalizasyon tekniği ile tanıtılmıştır. Eğitilen YSA, daha önce eğitme sırasında kullanılmayan veriler ile test edildiğinde sonuçların oldukça uygun olduğu görülmüştür.

Computations with computer on civil engineering have concentrated primarily on artiflcal intelligence (AI) applications in the past few years. These aplications generally involve expert systems. This article deals with a different artifical intelligence approach involving networks and application was presented. Artifical neural networks have nonlinear structure and this is an effective feature that it approaches to the results of learning phase. Then, it quickly gives results in test phase in short time (the degree about 1E-3 second). It is very preferable according to the oilier approaching methods. In this study, using backpropagation artifical neural network a new aggregate mixlure granulometry which is convinent to TS 706 was obtained from two group aggregate mixtures which have known granulometries. Then, this new aggregate mixture was investigated whether it is remaining belween TS 706 boundary curves (A and B curves) or not. Data which were calculated by a convetional program had been used in education set. Variables of problem was introduced to network by normalization technique. For the testing phase, data except for the set during educating was used and it was seen that results were fairly convinent.