Lifli Polimer ile Güçlendirilmiş Betonarme Elemanların Kapasite Tahminine Yönelik Akıllı Sistem Uygulaması

Abstract

Bir asırdır beton ve betonarme donatısının bir arada kullanılmasıyla kompozit bir malzeme olarak kullanılan betonarme, üstün özellikleri ile günümüzde çağdaş inşaat mühendisliği yaklaşımlarında da vazgeçilmez bir yapı malzemesi türüdür. Taşıyıcı sistem elemanlarında iç ve dış yükler etkisi altında zaman bağlı nedenlerin de etkisiyle ortaya çıkan tüm kesit zorları ve deformasyon talepleri için betonarmenin yeterli dayanım, süneklik ve rijitlikte olması bir yapı tasarımının olmazsa olmazıdır. Özellikle Türkiye gibi aktif deprem kuşağında bulunan bir ülke için bu zorunluluk yapı mühendisleri için daha da önemli bir hale gelmektedir. Günümüzde üretilen betonarme yapılarda; mimari kaygılardan, hesaplarda yapılan hatalardan, uygulama sırasında ortaya çıkan hatalardan, standarda aykırı malzemelerden, kullanıcı hatalarından ve zamana bağlı deformasyonlardan dolayı, taşıdığı yükler altında ve deprem durumunda ortaya çıkan kesit tesirleri altında (kesme, eğilme, burulma ve bunların kombinasyonları) hasar görmekte ya da toptan göçmektedirler. Bu gibi yapılar incelemeye alındığında çoğunlukla elemanların kesme açısından kritik bölgelerinde (kolon-kiriş bağlantı noktalarına yakın bölgelerde) kapasite açısından büyük sorun olduğu görülmektedir. Bu noktalardaki tam olarak alınamamış mühendislik hizmetlerinden ortaya çıkan yetersiz kesitler nedeniyle, deprem ve benzeri yükler altında hasarlar yapının bütününü olumsuz etkilemekte ve çoğunlukla böylesi yapıların güçlendirilmesine ihtiyaç duyulmaktadır. Günümüzde betonarme yapıların ve bileşenleri olan betonarme taşıyıcı elemanların yetersiz kapasiteleri için pek çok güçlendirme metodundan, son dönemlerde yaygın olarak teknik elemanlar tarafından tercih edilen "Lifli Polimerlerle Güçlendirme" metodudur. Zaten karmaşık bir yapıda olan beton ve betonarme davranışı ile ilgili birçok kabuller yapılmakta iken betonarmenin üzerine genellikle epoksi ile yapıştırılarak ve bazı durumlarda mekanik ankrajlarla sabitlenen lifli polimerlerin kesit kapasitesine yapacağı katkı günümüzde bilinmezliğini korumaktadır. Bu motivasyondan hareketle bu çalışmada, lifli polimerlerle güçlendirilmiş her türlü betonarme elemanın kapasite değerlerini büyük oranda tahmin edebilen akıllı sistem tabanlı bir yazılım uygulaması için son yirmi yılda yapılmış güncel tüm makaleler taranarak bir veri havuzu oluşturulmuştur. Bu bağlamda literatürdeki değişik amaçlar için yapılmış çok sayıda deney verisi derlenmiş ve gruplara ayrılmış, her bir veri için farklı algoritmalar ile eleman kapasitelerinin tahminiyle ilgili fikir sahibi olunmuştur. Bu veri havuzunda; kesme, eğilme, burulma etkisi altındaki kirişlerin; kolon moment ve eksenel yük etkisi altındaki kolonların; eğilme ve zımbalama etkisi altındaki döşemelerin, eksenel yük etkisi altındaki perdelerin taşıma kapasiteleri ÇLR, Karar Ağacı, BaggingDt., Rassal Orman, SVR, XGBoost, AdaBoost, GradientBoost makine öğrenmesi yöntemleri kullanılarak tahmin edilmiştir. Kiriş kesme, döşeme eğilme, döşeme zımbalama mukavemeti çalışmasında en iyi tahmin sonucunu XG-Boost algoritması vermiştir. Kiriş burulma mukavemeti, kolon moment taşıma gücü, kolon yük taşıma gücü çalışmasında en iyi tahmin sonucunu Bagging-DT algoritması verirken, perde yük taşıma gücünde AdaBoost algoritması, kiriş eğilme kapasitesinin tahmininde ise DVR algoritması diğerlerine göre daha başarılı olmuştur. Elde edilen sonuçlar çalışılan elemanın tipi ve elde edilmek istenen dayanım özelliğine göre algoritmaların başarılarında değişkenlik olduğunu, incelenen çıkış verisine, veri grubunda ele alınan parametrelere, verilerin sayısına ve veri aralığına bağlı algoritma performansının değiştiğini de göstermektedir.

Reinforced concrete, which has been used as a composite material by using concrete and reinforced concrete reinforcement together for a century, is now an indispensable type of building material in contemporary civil engineering approaches with its superior properties. It is essential for a building design that the reinforced concrete has sufficient strength, ductility and rigidity for all section forces and deformation demands that arise due to time-dependent reasons under the influence of internal and external loads in the load-bearing system elements. This obligation becomes even more important for structural engineers, especially for a country like Turkey, which is in an active earthquake zone. In reinforced concrete structures produced today; They are damaged or collapse altogether under their loads and under the cross-sectional effects that occur in the event of an earthquake (shearing, bending, torsion and their combinations) due to architectural concerns, mistakes made in calculations, errors occurring during application, non-standard materials, user errors and time-related deformation. . When such structures are examined, it is seen that there is a major problem in terms of capacity in the critical areas of the elements in terms of shear (areas close to the column-beam connection points). Due to insufficient sections resulting from incomplete engineering services at these points, damages under earthquakes and similar loads negatively affect the entire structure and such structures often need to be strengthened. Today, among the many strengthening methods for the insufficient capacities of reinforced concrete structures and their components, the "Strengthening with Fibrous Polymers" method has been widely preferred by technical staff in recent years. While many assumptions are made regarding the behavior of concrete and reinforced concrete, which already have a complex structure, the contribution of fibrous polymers, which are generally bonded to reinforced concrete with epoxy and in some cases fixed with fibrous polymers or mechanical anchors, to the cross-section capacity remains unknown today. Based on this motivation, in this study, a data pool was created by scanning all current articles published in the last twenty years for an intelligent system-based software application that can largely predict the capacity values of all kinds of reinforced concrete elements reinforced with fibrous polymers. In this context, a large number of experimental data made for different purposes in the literature were compiled and divided into groups, and an idea was obtained about the estimation of element capacities with different algorithms for each data. In this data pool; beams under the influence of shear, bending and torsion; Columns under the influence of column moment and axial load; The bearing capacities of slabs under the influence of bending and punching and of walls under the influence of axial load were estimated using MLR, Decision Tree, Bagging-Dt., Random Forest, SVR, XGBoost, AdaBoost, GradientBoost machine learning methods. The XG-Boost algorithm gave the best prediction results in beam shear, slab bending, and slab punching strength studies. While the Bagging-DT algorithm gave the best prediction result in the study of beam torsional strength, column moment carrying capacity and column load carrying capacity, the AdaBoost algorithm was more successful than the others in estimating the wall load carrying capacity and the DVR algorithm was more successful than the others in estimating the beam bending capacity. The results obtained also show that there is variability in the success of the algorithms depending on the type of element studied and the strength feature desired to be obtained, and that the performance of the algorithm varies depending on the output data examined, the parameters considered in the data group, the number of data and the data range.