Atıf Sayısı
3
Görüntüleme
50
İndirme
17
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.
With the increase in energy consumed for the heating and cooling of buildings, the need for building materials with high heat performance increases from day to day. The thermal performance of the building materials changes directly with the thermo-physical characteristics of the materials. In this study, a experimental and theoretical study was carried out in order to ensure energy efficiency in buildings, with the aim of obtaining new building materials with high heat insulation properties by preserving appropriate mechanical properties. For this purpose, in the fixed water-cement ratio, different concrete samples were prepared using pumping, extended perlite and tyres in the volume of 10%, 20%, 30%, and 50%, instead of the normal aggregate. 102 concrete samples are manufactured in different compositions and using different materials. Mechanical tests of all samples have been carried out, heat guidance characteristics have been determined according to ASTM and EN standards by hot disk method. The experimentally obtained heat conductivity feature from the produced samples was compared with the developed artificial nerve network output and the results were studied. In the developed artificial nerve network, only mechanical properties were used as input and the relationship of materials with heat conductivity was studied. As the artificial nerve network entrance is determined as the type of concrete, aggregate, intensity, pressure resistance, porosity and heat conductivity. Comparing the outcomes, the results found to be compatible with each other and it was acceptable that the heat conductivity value of light concrete was estimated with an error between 1.9% and 6.4%.
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.
Alan : Fen Bilimleri ve Matematik; Sosyal, Beşeri ve İdari Bilimler
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
