Renkli ve geçirgen betonun özelliklerinin optimizasyonu ve tahmini: Gri kurt optimizasyonu ve artırılmış yapay sinir ağları ile performansının artırılması.

Bu çalışma, deneysel analiz ve yapay zekâ modellemesinin kombinasyonunu kullanarak renkli ve cam elyaf takviyeli geçirimli betonun (GB) tahminini ve optimizasyonunu araştırmaktadır. Küresel ısınmaya bağlı iklim değişiklikleri dünyanın birçok yerinde ani ve aşırı yağışlara neden olmaktadır. Bu yağışlar sonucu birçok yerleşim yeri sel felaketleri ile karşı karşıya kalmaktadır. Sel felaketlerinin kalıcı etkilerini artıran en önemli faktörlerden biri de şehir kaplamalarının gözeneksiz yapısı nedeniyle geçirimsizliğidir. Bu çalışma GB ile bu sorunları çözmek için yapılmış ve geçirgen beton su hareketlerine izin verecek yeterlilikle birbirine bağlı gözenekler oluşturacak şekilde tasarlanmıştır. Ayrıca bu gözenekli yapı ısıyı emmeyerek ısı adası fenomeninin etkilerini de azaltmaktadır. GB'ler, yağmur suyunun boşluklardan sızarak yer altı suyunun yenilenmesine katkı sağlayacak şekilde tasarlanmıştır. Bu boşluklar içinde nüfuz eden suyun bir kısmını tutarak, takip eden kuruma aşamasında buharlaşarak muhtemelen kaplama sıcaklığını düşürebilir. Bu nedenle ısı adası etkisinin azaltılmasına yardımcı olur. Isı adası etkisine sebep olan bir diğer faktör ise kaplamanın yansıtıcılığı veya albedosudur. Bu faktör güneş emilimi (albedo) ve güneş ışınımının çarpımına dayandığından önemli bir faktördür. GB'lerin yansıtıcılığının veya albedosunun kentsel termal ortam üzerindeki etkisi ve bunun altında yatan mekanizmalar tam olarak anlaşılamamıştır; bu nedenle geçirimli betonun albedosunun tanımlanması önemlidir. Dolayısı ile GB'lerin çeşitli pigmentler ile renklendirilmesi ve albedo değerlerinin ölçülmesi yine bu çalışma kapsamında değerlendirilmiştir. GB'lerin mekanik özelliklerini iyileştirmek amacıyla pigmentlerin yanı sıra cam elyaf kullanımı ve bu cam elyaf takviyeli geçirgen betonun aynı anda artan yansıtıcılıkla kentsel ısı adası etkilerini azaltma, yağmur suyu yönetimini iyileştirme ve yapısal bütünlüğü destekleme potansiyeli temel alınmıştır. Bu çalışma, yapay sinir ağları ve gri kurt optimizasyonu aracılığıyla renkli, cam elyaf takviyeli geçirgen betonun basınç ve eğilme ile aşınma direncini optimize ve tahmin etmeyi amaçlamıştır.

This study investigates the prediction and optimization of colored and glass fiber-reinforced permeable concrete using a combination of experimental analysis and artificial intelligence modeling. Climate changes due to global warming are causing sudden and extreme rainfall in many parts of the world. As a result of these rains, many settlements are facing flood disasters. One of the most important factors that increase the permanent effects of flood disasters is the impermeability of urban pavements due to their non-porous structure. This study was conducted to solve these problems with permeable concrete, which is designed to create interconnected pores that are sufficient to allow water movements. Additionally, this porous structure does not absorb heat, thus reducing the effects of the heat island phenomenon. Permeable concrete is designed to allow rainwater to seep through the voids, contributing to the replenishment of groundwater. By retaining some of the water that penetrates these voids, it can potentially reduce the pavement temperature through evaporation during the subsequent drying phase. Therefore, it helps to mitigate the heat island effect. Another factor causing the heat island effect is the reflectivity or albedo of the pavement. This factor is significant as it is based on the product of solar absorption (albedo) and solar radiation. The impact of the reflectivity or albedo of permeable concrete on the urban thermal environment and the underlying mechanisms are not fully understood; therefore, defining the albedo of permeable concrete is important. Consequently, the coloring of permeable concrete with various pigments and the measurement of albedo values are also evaluated within the scope of this study. To improve the mechanical properties of permeable concrete, in addition to pigments, the use of glass fiber and the potential of this glass fiber-reinforced permeable concrete to simultaneously reduce urban heat island effects, improve rainwater management, and support structural integrity are considered. This study aimed to optimize and predict the compressive and flexural strength and abrasion resistance of colored, glass fiber-reinforced permeable concrete through artificial neural networks and grey wolf optimization.