Betonarme ve öngerilmeli beton kirişler, genellikle kullanım yükleri altında eğilme etkisindedir. Fakat bazı durumlarda kiriş, eğilme kapasitesine ulaşmadan kesme etkisi altında göçmektedir. Kirişlerin kesme etkisinden zarar görmemesi için kesme kapasitesinin doğru olarak belirlenmesi önem kazanmaktadır. Ayrıca kirişin eğilme momenti kapasitesine tam olarak ulaşabilmesi için kirişin kesme kapasitesinin doğru olarak belirlenmesi gerekmektedir. Bu çalışmada betonarme ve öngerilmeli beton kirişlerin kesme kapasitelerinin belirlenmesi için akıllı sistem tabanlı analitik bir çalışma gerçekleştirilmiştir. Çalışmada ilk olarak betonarme ve öngerilmeli beton kirişlerin kesme kapasitelerinin teorik hesaplarından bahsedilmiştir daha sonra ise bu konuda yapılan deneysel çalışmalar derlenerek deneyler hakkında açıklamalar ve deneylerin gruplandırmaları yapılmıştır. Mevcut deneysel verilere göre kesme kapasitesinin her bir parametreye göre nasıl değiştiğinin irdelenmesi yapılmıştır. Kesme kapasitesinin belirlenmesinde oldukça fazla parametrenin etkisinin olması bu yorumlamaları zorlaştırmış olsa da çalışmanın bir sonraki ayağı olan akıllı sistem modellemesi ile kesme kapasitesinin belirlenmesi için önemli bir deneysel ve analitik altyapı oluşturulmuştur. Akıllı bir sistem türü olan yapay sinir ağları (YSA) hakkında bilgi verilerek analiz yöntemi tanıtılmış ve derlenen deneysel veri setinde yer alan betonarme ve öngerilmeli beton kirişlerin MATLAB paket programında YSA modellemeleri yapılmıştır. Modellemelerde kullanılan kirişlere ait parametreler doğrultusunda mevcut yönetmeliklere göre kiriş kesme kapasiteleri de ayrıca belirlenmiştir. Oluşturulan YSA modelleri ile mevcut yönetmeliklerin kiriş kesme kapasitesinin belirlenmesindeki performansları karşılaştırılmalı olarak değerlendirilmiştir. Yapılan karşılaştırmalarda YSA'nın her bir durumda yönetmelik yaklaşımlara göre oldukça yüksek bir tahmin oranına sahip olduğu görülmüştür. Ayrıca öngerilmeli beton kirişlerin tahmininde YSA'nın başarısı yönetmelik normlarına göre daha fazla olmaktadır.
Reinforced concrete and prestressed concrete beams are generally bending under usage loads. But in some cases, the beam falls under the effect of shear without reaching the bending capacity. Accurate determination of the shear capacity becomes important so that the beams are not damaged by the shear effect. In addition, the shear capacity of the beam must be correctly determined so that the beam can fully reach its bending moment capacity. In this study, an intelligent system based analytical study was carried out to determine the shear capacities of reinforced concrete and prestressed concrete beams. In the study, the theoretical calculations of the shear capacities of reinforced concrete and prestressed concrete beams were first mentioned and then the experimental works carried out in this subject were compiled and groupings of explanations and experiments were made about the experiments. It is examined how the shear capacity changes according to each parameter according to the present experimental data. Although a lot of parametric effects have been made in determining the shear capacity, these interpretations have been difficult, but an important experimental and analytical infrastructure has been established for the determination of shear capacity by intelligent system modeling, which is the next step of the study. The analysis method is introduced by giving information about artificial neural networks (ANN) which is an intelligent system type and ANN models are made in the MATLAB package program of reinforced concrete and prestressed concrete beams in the complied experimental data set. Shear capacities of the beams are also determined according to the present regulations in line with the parameters of beams used in the models. The performance of the ANN models generated and the determination of the beam shear capacity of the present regulations have been evaluated comparatively. In the comparisons made, it was seen that ANN has a fairly high prediction ratio in regulatory approaches in each case. Moreover, the success of ANN in predicting prestressed concrete beams is higher than the regulations norms.
