Contribution of Machine Learning Methods to the Construction Industry: Prediction of Compressive Strength

Highly accurate prediction of high performance concrete (HPC) compressive strength is very important issue. In recent years, a variety of modeling approaches and methodologies have been applied to predict HPC’s compressive strength from a wide range of variables, with different ratios of success. In this study, an appropriate machine learning method, using different mixing ratios for the prediction of compressive strength of HPC, is investigated. In recent years, rather developing machine learning methods; Artificial Neural Networks (ANN) and Support Vector Machines (SVM)’s applicabilities for the prediction, handled in this study, are being investigated and extremely high results were obtained. In this paper, it’s obtained that prediction success of SVM has been found more satisfactory than ANN's. It is concluded that the SVM’s can be used effectively as an alternative method by research labs and the concrete firms for predicting the strength.

Makine Öðrenmesi Yöntemlerinin Ýnþaat Sektörüne Katkýsý: Basýnç Dayanýmý Tahminlemesi

Yüksek performanslý beton (high performance concrete, HPC)’un eksenel basýnç dayanýmýnýn yüksek doðrulukla tahmini son derece önemli bir konudur. Geçtiðimiz yýllarda, çeþitli geliþmiþ modelleme yaklaþýmlarý ve metodolojileri kullanýlarak farklý baþarý oranlarý ile HPC basýnç dayanýmý tahminlemeleri uygulanmýþtýr. Bu çalýþmada farklý karýþým oranlarý kullanýlarak HPC’lerin eksenel basýnç dayanýmýnýn tahmininde uygun bir makine öðrenmesi yöntemi araþtýrýlmýþtýr. Son yýllarda makine öðrenmesinde oldukça geliþmekte olan Yapay Sinir Aðlarý (YSA) ve Destek Vektör Makineleri (DVM)’nin bu tahminde uygulanabilirliði incenmiþ ve son derece yüksek tahmin sonuçlarý elde edilmiþtir. Bu çalýþmada DVM’lerin tahmin baþarýsýnýn YSA’lara oranla daha tatmin edici sonuçlar verdiði görülmüþtür. DVM yönteminin araþtýrma laboratuvarlarý ve beton firmalarý tarafýndan dayaným tahmininde alternatif bir yöntem olarak etkin bir þekilde kullanýlabileceði sonucuna varýlmýþtýr.