This study investigated the thermal conductivity of natural stones (k) through regression analyses and artificial neural networks (ANN). For this purpose, a comprehensive literature survey was conducted to compile a large number of datasets for the above-mentioned analysis methods. Based on different physicomechanical rock properties such as dry density (ρd), effective porosity (ne), uniaxial compressive strength (UCS), and pulse wave velocity (Vp), seven predictive models (M1–M7) were established for the evaluation of k. The regression-based models (M1–M5) demonstrated that the considered rock properties influence the k of natural stones at different degrees. Notably, the ne and Vp were found to be highly correlative parameters for estimating the k of natural stones. The performance of the established models was also evaluated using several statistical indicators. The statistical evaluations indicated that the ANN-based models (M6, M7) provided more consistent results than the M1–M5 models. In addition, the mathematical expressions for ANN-based models were also given in the present study to let users implement them more efficiently. The present study, in this context, is believed to provide practical and straightforward knowledge on the heat conduction of natural stones and can be declared a case study on how to model the k of natural stones as a function of different rock properties.
Keywords: Thermal conductivity, natural stone, regression analysis, artificial neural networksBu çalışma, doğal taşların (k) termal iletkenliğini regresyon analizleri ve yapay sinir ağları (YSA) yoluyla araştırmıştır.Bu amaçla, yukarıda belirtilen analiz yöntemleri için çok sayıda veri seti derlemek için kapsamlı bir literatür araştırması yapılmıştır. Kuru yoğunluk (ρd), etkin gözeneklilik (ne), tek eksenli basınç dayanımı (UCS) ve darbe dalga hızı (Vp) gibi farklı fizikomekanik kaya özelliklerine dayanarak, k'nin değerlendirilmesi için yedi tahmin modeli (M1–M7) kurulmuştur. Regresyona dayalı modeller (M1–M5), dikkate alınan kaya özelliklerinin doğal taşların k değerini farklı derecelerde etkilediğini göstermiştir. Özellikle, ne ve Vp'nin doğal taşların k'sini tahmin etmek için yüksek oranda bağıntılı parametreler olduğu bulunmuştur. Kurulan modellerin performansı da çeşitli istatistiksel göstergeler kullanılarak değerlendirilmiştir. İstatistiksel değerlendirmeler, YSA tabanlı modellerin (M6, M7) M1–M5 modellerinden daha tutarlı sonuçlar verdiğini göstermiştir. Ayrıca, kullanıcıların bunları daha verimli bir şekilde uygulayabilmeleri için YSA tabanlı modeller için matematiksel ifadeler de bu çalışmada verilmiştir. Böylelikle, bu çalışmanın, doğal taşların ısı iletimi hakkında pratik ve doğrudan bilgi sağladığına inanılmaktadır ve farklı kaya özelliklerinin bir fonksiyonu olarak doğal taşların k'sinin nasıl modelleneceğine dair bir vaka çalışması olarak ilan edilebilir.
Anahtar Kelimeler: Isı iletkenliği, doğal taş, regresyon analizi, yapay sinir ağları