Betonun basınç dayanımının tahmini araştırmacılar tarafından son yıllarda artan bir hızla ele alınmaktadır. Bu konuda geleneksel istatistiksel tahmin yaklaşım ve yöntemlerinin terk edilerek gelişmiş tahmin yaklaşım ve metodolojileri kullanılmaya başlanmıştır. Bu çalışmada farklı karışım oranları kullanılarak Beton basınç dayanımının tahmininde Yapay Sinir Ağları (YSA) yöntemi ile Dalgacık Dönüşümü Yapay Sinir Ağları (DDYSA) yöntemlerinin tahmin performansları karşılaştırılmış ve veri setini ayrıştırarak tahmin için daha kararlı duruma getiren Dalgacık Dönüşümünün (DD) tahmin performanslarının iyileşmeye/kötüleşmesine etkisi araştırılmıştır. Bu kapsamda veri seti dört farklı şekilde eğitilmiş ve on altı farklı test çalışması gerçekleştirilmiştir. Gerçekleştirilen testler neticesinde DD’nin geleneksel YSA’ya oranla daha tatmin edici tahmin sonuçlar verdiği görülmüştür. Sonuç olarak DD’nin araştırmacılar ve beton üreticileri tarafından beton basınç dayanım tahmininde etkin bir yöntem olarak kullanılabileceği sonucuna varılmıştır.

In recent years, Compressive strength prediction of concrete is being studied with an increasing speed by researchers. Instead of traditional statistical techniques, advanced prediction methods are being used in this area of study. In this study artificial neural network (ANN) and wavelet transform artificial neural network (WTANN) methods’ prediction performances were compared on compressive strength of concrete with different mixture ratios and additionally effect of wavelet transform which decomposes dataset into subsets for a stationary situation for prediction was presented. Within this scope dataset trained in four different ways and sixteen different tests performed. The results of tests performed, WTANN achieves higher prediction performance in comparison with ANN. Hence, it’s proved that WT could be used by researchers as an effective predictive tool for concrete compressive strength