Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi

Bu çalışmada polimerik atıklar içeren betonun ultrason hızı ve elastisite modülü özelikleri üzerindeki etken etkileri çok değişkenli regresyon çözümlemesi ile çözümlendi. Her biri üç seviyeye sahip yedi polimer; yüksek yoğunluklu polietilen, düşük yoğunluklu polietilen, polipropilen, termoplastik elastomer, dimetil teraftalat, polietilen teraftalat, polietilen naftalat ve deneylerin tasarımında (L27)  ortogonal dizini seçildi. Ultrason hızı üzerinde azaltıcı etkiye sahip polimerler sırası ile 0.000, 0.009, 0.007, 0.008 ve 0.001 p‑değerleri ile yüksek yoğunluklu polietilen, düşük yoğunluklu polietilen, termoplastik elastomer, polietilen teraftalat ve polietilen naftalat olarak belirlendi. Dinamik elastisite modülü üzerinde azaltıcı etkiye sahip polimerler ise, sırasıyla,0,001, 0.002 ve 0.001 p‑değerleri ile yüksek yoğunluklu polietilen, polipropilen ve polietilen naftalat olarak belirlendi. Polimerik atıklar içeren betonun optimal karışım oranları doğrusal regresyon modelleri tabanlı çok yanıtlı doğrusal programlama yöntemiyle belirlendi. Optimal karışım oranları ile gerçekleştirilen doğrulama deneyi, çok yanıtlı doğrusal programlama yönteminin beton bileşimi eniyileme problemlerini çözmede etkili biçimde kullanılabileceğini göstermektedir.

___

[1] Yang L., Liu S., Tsoka S. and Papageorgiou G., “Mathematical programming for piece wise linear regression analysis”, Expert Systems With Applications, 44: 156-167, (2016). [2] Kone E.R.S. and Karwan M. H., “Combining a new data classification Technique and regression analysis to predict the cost-to-serve new customers”, Computer and Industrial Engineering, 61 (1): 184-197, (2011). [3] Pan J., Kung P., Bretholt A. And Lu J., “Prediction of energy’s environmental impactusing a three variable time series model”, Expert Systems With Applications, 41 (4): 1031-1040, (2014). [4] Chen L., Zhao Y., Zhang J. and Zhong Zou J.,“Automatic detection of alertness/drowsiness from physiological signals using wavelet-based nonlinear features and machine learning”, Expert Systems With Applications, 42 (21): 7344-7355, (2015). [5] Uludamar E., Tosun E. and Aydın K.,“Experimental and regression analysis of noise and vibration of a compression ignition engine fuelled with various biodiesels”, Fuel, 177: 326-333, (2016). [6] Xie Q., Wang S., Zhu J. and Zhang X., “Modeling and predicting AD progression by regression analysis of sequential clinical data”, Neurocomputing, 195: 50-55, 2016. [7] Kaytez F., Taplamacıoğlu M. C., Cam E. and Hardalac F., “Forecasting electricity consumption: a comparison of regression analysis, neural networks and least squares support vector machines”, Electrical Power and Energy Systems, 67: 431-438, (2015). [8] Chithra S., Senthil Kumar S.R.R., Chinnaraju K. and Alfin Ashmta F.,“A comparative study on the compressive strength prediction models for High Performance Concrete containing nano silica and copper slag using regression analysis and Artificial Neural Networks”, Construction and Building Materials, 114: 528-535, (2016). [9] Viana F.A.C.,Simpson T.W., Balabanov V. and Toropov V.,“Metamodeling in multi disciplinary design optimization: how far have we all come”, American Institute of Aeronautics and Astronautics, 52 (4): 670–690, (2014). [10] Toufigh V., Hosseinali M. and Shirkhorshidi S. M., “Experimental study and constitutive modeling of polymer concrete’s behavior in compression”, Construction and Building Materials, 112: 183-190, (2016). [11] Şimşek B., İç Y.T., Şimşek E.H. and Güvenç A.B.,“Development of a graphical user interface for determining the optimal Mixture parameters of normal weight concretes: A response surface methodology based quadratic programming approach”, Chemometrics and Intelligent Laboratory Systems, 136: 1-9, (2014). [12] Cihan M.T., Güner A. and Yüzer N., “Response surfaces for compressive strength of concrete”, Construction and Building Materials, 40: 763–774, (2013). [13] Güneyisi E., Gesoğlu M., Algın, Z. and Mermerdaş K., “Optimization of concrete Mixture with hybrid blends of metakaolin and fly ash using response surface method”, Composites: Part B, 60: 707–715, (2014). [14] De Munck M., De Sutter S.., Verbruggen S., Tysmans T. and Coelho R.F.,“Multi-objective weight and cost optimization of hybrid composite-concrete beams forecasting electricity consumption: a comparison of regression analysis, neural networks and least square support vector machines”, Composite Structures, 134: 369-377, (2015).

[15] Jimma B. E. and Rangaraju P.R.,“Chemical admixtures dose optimization in pervious Concrete paste selection – A statistical approach”, Construction and Building Materials, 101: 1047-1058, (2015). [16] Erdoğan T.Y., “Beton”, ODTÜ Geliştirme Vakfı Yayın ve İletişim Şti., Ankara, , (2003). [17] Postacıoğlu B., “Beton: agregalar, beton”, Cilt 2, İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Matbaa Teknisyenleri Basımevi, İstanbul, (1989). [18] Şimşek B., İç Y.T. and Şimşek E.H., “A TOPSIS-based Taguchi optimization to determine optimal mixture proportions of the high strength self-compacting concrete”, Chemometrics and Intelligent Laboratory Systems, 125: 18–32, (2013). [19] Wang S. snd Huang G.H. “A multi-level Taguchi-factorial two-stage stochastic programming Taguchi approach for characterization of parameter uncertainties and their interactions: An application to water resources management”, European Journal of Operational Research, 240 (2): 572–581, (2015). [20] TS EN 197-1, “Çimento - Bölüm 1: Genel çimentolar - Bileşim, özellikler ve uygunluk kriterleri”, (2012). [21] Koç B., Ertekin K.F., “Yanıt Yüzey Yöntemi ve Gıda İşleme Uygulamaları”, Gıda Dergisi, 35 (1): 1-8, (2012). [22] Özkan İ. and Yayla Z., “Evaluation of correlation between physical properties and ultrasonic pulse velocity of fired clay samples”, Ultrasonics, 66: 4-10, (2016). [23] Neville A. M., “Properties of Concrete”, 5th ed., Pearson Education Limited, UK, (2011). [24] TS EN 12390-7, “Beton - Sertleşmiş beton deneyleri - Bölüm 7: Sertleşmiş beton yoğunluğunun tayini”, (2010). [25] Şimşek B., İç Y.T. and Şimşek E.H., ”A RSM-Based Multi-Response Optimization Application for Determining Optimal Mix Proportions of Standard Ready-Mixed Concrete”, Arab J Sci Eng, 41 (4): 1435-1450, (2016). [26] Uyanık O., Gülay F.G. ve Tezcan S., “Beton Dayanımının Tahribatsız Ultrasonik Yöntemle Tayini”, Hazır Beton Dergisi, (2012). [27] Akçaözoğlu S., Akçaözoğlu K. and Atiş C.D., “Thermal conductivity, compressive strength and ultrasonic wave velocity of cementitious composite containing waste PET lightweight aggregate (WPLA)”, Composites Part B: Engineering, 45 (1): 721–726, (2013). [28] Şimşek B. and Uygunoğlu T., ”Multi-response optimization of polymer blended concrete: A TOPSIS based Taguchi application”, Construction and Building Materials, 117: 251–262, (2016). [29] İç Y.T.and Yıldırım S., “Improvement of a product design using multi criteria decision making methods with Taguchi Method”, Journal of the Faculty of Engineering and Architecture of Gazi University, 27 (2): 447-458, (2012).

___

Bibtex @araştırma makalesi { politeknik369924, journal = {Politeknik Dergisi}, eissn = {2147-9429}, address = {Gazi Üniversitesi Teknoloji Fakültesi 06500 Teknikokullar - ANKARA}, publisher = {Gazi Üniversitesi}, year = {2017}, volume = {20}, number = {4}, pages = {1009 - 1017}, doi = {10.2339/politeknik.369924}, title = {Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi}, key = {cite}, author = {Şimşek, Barış and Uygunoğlu, Tayfun} }
APA Şimşek, B. & Uygunoğlu, T. (2017). Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi . Politeknik Dergisi , 20 (4) , 1009-1017 . DOI: 10.2339/politeknik.369924
MLA Şimşek, B. , Uygunoğlu, T. "Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi" . Politeknik Dergisi 20 (2017 ): 1009-1017 <
Chicago Şimşek, B. , Uygunoğlu, T. "Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi". Politeknik Dergisi 20 (2017 ): 1009-1017
RIS TY - JOUR T1 - Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi AU - Barış Şimşek , Tayfun Uygunoğlu Y1 - 2017 PY - 2017 N1 - doi: 10.2339/politeknik.369924 DO - 10.2339/politeknik.369924 T2 - Politeknik Dergisi JF - Journal JO - JOR SP - 1009 EP - 1017 VL - 20 IS - 4 SN - -2147-9429 M3 - doi: 10.2339/politeknik.369924 UR - Y2 - 2022 ER -
EndNote %0 Politeknik Dergisi Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi %A Barış Şimşek , Tayfun Uygunoğlu %T Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi %D 2017 %J Politeknik Dergisi %P -2147-9429 %V 20 %N 4 %R doi: 10.2339/politeknik.369924 %U 10.2339/politeknik.369924
ISNAD Şimşek, Barış , Uygunoğlu, Tayfun . "Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi". Politeknik Dergisi 20 / 4 (Aralık 2017): 1009-1017 .
AMA Şimşek B. , Uygunoğlu T. Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi. Politeknik Dergisi. 2017; 20(4): 1009-1017.
Vancouver Şimşek B. , Uygunoğlu T. Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi. Politeknik Dergisi. 2017; 20(4): 1009-1017.
IEEE B. Şimşek ve T. Uygunoğlu , "Polimerik Atıklar İçeren Betonun Ultrason Hızının ve Dinamik Elastisite Modülünün Çok Yanıtlı Eniyilenmesi", Politeknik Dergisi, c. 20, sayı. 4, ss. 1009-1017, Ara. 2017, doi:10.2339/politeknik.369924