Geopolimer beton ve geleneksel beton üretim süreçlerinden kaynaklı co2 salınımının metasezgisel yöntemlerle tespiti

Abstract

Sanayi ve teknolojinin gelişmesiyle birim zamanda yapılan üretim artmıştır. Hızlı üretimin getirdiği birçok avantaj olmasına karşın, çevresel olarak olumsuz etkileri de olmaktadır. Günümüzün önemli çevresel zararlarından birisi de küresel ısınmadır. Küresel ısınmanın başlıca sebeplerinden birisi de petrol, kömür, doğalgaz gibi yakıtların yanması sonucu ortaya çıkan CO2 gazıdır. CO2 gazı, taşıt ve makine kullanımı, fabrikada üretim süreci gibi nedenlerden dolayı atmosfere salınır.Medeniyet ihtiyaçlarının karşılanması amacıyla üretilen en önemli malzemelerden birisi de betondur. Ancak geleneksel betonu oluşturan malzemelerin üretim süreci sırasında atmosfere yüksek miktarda CO2 salınımı olmaktadır. Bu salınımın büyük kaynaklarından birisi de çimento üretim sürecinden meydana gelmektedir. Geleneksel betonun ana malzemelerinden biri olan çimentonun; üretim sürecinden dolayı ortaya çıkan CO2 salınımı, atmosferdeki toplam CO2 salınımının yaklaşık %7'sidir. Geopolimer betonlar ise bünyesinde çimento bulundurmadığı gibi, atık durumda olan yüksek fırın cürufu, uçucu kül gibi malzemelerin değerlendirilmesine de imkân sağlamaktadır.Bu çalışmada, metasezgisel algoritmalardan öğretme-öğrenme tabanlı optimizasyon (TLBO) ve çiçek tozlaşma algoritması (FPA) kullanılarak; betonarme kolon, kiriş ve tekil temel tasarımı yapılmıştır. Optimizasyonun amacı; tasarım şartlarına uygun bir şekilde, betonarme malzemeleri üretim süreçlerinden kaynaklı minimum CO2 emisyonu verecek boyutlandırmayı bulmaktır. Optimum tasarımlar, geleneksel beton kullanılması ve geopolimer beton kullanılması durumlarına göre ayrı ayrı bulunmuştur. Çalışmanın sonunda ise betonarme eleman üretimi sırasında, geleneksel beton yerine geopolimer betonun kullanılması CO2 emisyon miktarının %40-%58 arasında düşürdüğü tespit edilmiştir.Aralık 2019, 158 sayfa.Anahtar kelimeler: CO2 emisyonu, geopolimer beton, geleneksel beton, metasezgisel yöntemler, öğretme-öğrenme tabanlı algoritma, çiçek tozlaşma algoritması

With the development of industry and technology, production per unit time has increased. Although there are many advantages of rapid production, it also has environmental negative effects. One of today's major environmental threat is global warming. One of the main reasons of global warming is the CO2 gas produced by the combustion of such as fuel oil, coal and natural gas. CO2 gas is released to the atmosphere for reasons such as the use of vehicles and machinery, the production process in the factory.One of the most important materials produced to fulfill the needs of civilization is concrete. However, during the production process of the materials that compose the conventional concrete, a high amount of CO2 is released into the atmosphere. One of the major sources of this release is the cement production process. As a result of the production process of cement, which is one of the main materials of conventional concrete, CO2 emission is approximately 7% of the total CO2 emission in the atmosphere. Whereas, geopolymer concretes do not contain any cement, also allow the recycle of materials such as blast furnace slag and fly ash.In this study, using teaching-learning based optimization (TLBO) algorithm and flower pollination algorithm (FPA) which are the metaheuristic algorithms, reinforced concrete column, beam and singular foundation are designed. The aim of the optimization is to find the dimensioning that will give minimum CO2 emissions from the production processes of reinforced concrete materials in accordance with the design requirements. Optimum designs have been found separately according to the use of conventional concrete and geopolymer concrete. At the end of the study, it was found that using geopolymer concrete instead of conventional concrete during the production of reinforced concrete elements reduced CO2 emission amount between 40% and 58%.December 2019, 158 pages.Keywords: CO2 emission, geopolymer concrete, conventional concrete, metaheuristic algorithms, teaching learning based algorithm, flower pollination algorithm