Show simple item record

dc.contributor.advisorKarpuz, Orhan
dc.contributor.authorBattal, Özlem
dc.date.accessioned2020-12-04T14:01:40Z
dc.date.available2020-12-04T14:01:40Z
dc.date.submitted2012
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/88400
dc.description.abstractKarayolu için en öncelikli performans kriterlerinden biri, belirli bir hızla seyreden bir taşıtın tekerlek lastiği ile yolun yüzeyi arasında oluşan kayma-sürtünme katsayısıdır.Kayma-sürtünme katsayısı araçların seyir güvenliği için çok önemlidir. Hareket kazandırmaktan çok, özellikle yağışlı havalarda iniş eğimli yollar, kurba, kavşak gibi manevra sahalarında hareketi yönlendirme, hızı azaltma-durdurma açılarından daha fazla önem arz etmektedir. İklim tesirleri etkisindeki bir yolda ıslak sürtünme katsayısı, üzerinden geçen araçların özelliklerine, hareket şekillerine ve yol yüzeyini oluşturan malzemenin cilalanmaya direncine bağlı olarak zaman içinde önemli oranlarda azalabilmektedir. Mevcut malzemeyle yol yüzeyi oluşturmadan önce zaman içinde oluşabilecek sürtünme katsayısı kaybının gerçeğe mümkün olduğunca yakın oranda önceden bilinmesi oldukça önemlidir. Bunun için, malzemenin laboratuvar ortamında hızlıca test edilerek cilalanmaya yatkın olup olmadığının belirlenmesi veya varsa eldeki verilerden hareketle model oluşturularak nihai durumunun tahmin edilmesi gerekmektedir.Bu tez çalışmasında eldeki verilerden hareketle Yapay Sinir Ağları (YSA) kullanılarak tahmin modeli kurulmuştur. Son yıllarda karmaşık yapıya sahip ve bilinen yöntemlerle çözülemeyen problemlere çözümler üretmek için yapılan araştırmaların bir sonucu olarak yeni bir bilgi işleme yöntemi olan YSA doğmuştur. Birçok alanda başarılı bir şekilde uygulanan yapay sinir ağları, ulaştırma mühendisliğinin çalışma alanlarında da kullanılmaktadır.Çalışma kapsamında, laboratuvarda üretilmiş farklı ince agrega özelliklerine sahip betonlardan elde edilmiş numunelere uygulanmış hızlandırılmış cilalanma deneyinin farklı aşamalarında ölçülmüş ıslak sürtünme katsayısı değerleri kullanılarak YSA ile iki farklı tahmin modeli kurulmuştur. Kurulan modellerden elde edilen sürtünme katsayısı sonuçları ile laboratuvarda elde edilmiş sonuçlar karşılaştırılmıştır.
dc.description.abstractOne of the primary performance criteria for highway is slip-friction coefficient which formed between cruising a specific speed of a vehicle tire and highway surface. Slip-friction coefficient is very important for the safety of the vehicles cruising. Instead of motion to give, especially in rainy weather, movement direction on maneuvering areas such as on landing inclined road, curve, intersection, are more importance than reduction-stop of the speed. Wet friction coefficient of a highway under the influence of climate effects, depending on characteristics of the vehicles passing over, types movement and polishing resistance of the material forming the road surface, may decrease over time in significant amounts. Before creating the highway surface with the existing material, to know friction coefficient that may occur over time to predict the loss rate as close as possible to reality is very important. To do this, the material to be tested quickly in the laboratory to determine whether there is likely to polish, or must be estimated the final state using the available data by the model forming.At this thesis study, with the available data, the estimated model is formed by using Artificial Neural Network (ANN). In recent years, solutions for the comlex structured and in order to solve unsolved problems with the known methods, a new information processing system ANN have been developed. Artificial neural networks which is applied successfully in many areas, is used in the fields of transportation engineering studies.In this study, two different estimated model is constructed with ANN by using the wet friction coefficient values is measured at different stages of accelerated polishing test which applied to samples are produced in the laboratory with different fine aggregate concretes which is obtained.The results of friction coefficient are obtained from the models are compared with the results obtained from laboratory.en_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectİnşaat Mühendisliğitr_TR
dc.subjectCivil Engineeringen_US
dc.titleBeton yollarda yüzeydeki sürtünme katsayısı kaybının yapay sinir ağlarıyla belirlenmesi
dc.title.alternativeDetermining surface friction loss of concrete roads by artificial neural network
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentİnşaat Mühendisliği Anabilim Dalı
dc.subject.ytmAggregate
dc.subject.ytmFrictional loss
dc.subject.ytmFriction
dc.subject.ytmArtificial neural networks
dc.subject.ytmConcrete roads
dc.identifier.yokid451440
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityGÜMÜŞHANE ÜNİVERSİTESİ
dc.identifier.thesisid334560
dc.description.pages95
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess