Geri Dön

Hidroelektrik santrallerde modal özelliklerin derin öğrenme esaslı analizi ve deprem kayıtlarında anomali tahmini

Deep learning-based analysis of modal properties in hydroelectric power plants and anomaly prediction in earthquake records

PDF İndir

  1. Tez No: 1006687
  2. Yazar: GÜRHAN TOKGÖZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EDA AVANOĞLU SICACIK
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Operasyonel modal analiz, Yapı dinamiği, Operational modal analysis, Structural dynamics
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, büyük ölçekli mühendislik yapılarının dinamik davranışlarını izlemek ve deprem erken uyarı potansiyelini artırmak amacıyla, gürültülü çevresel koşullar altında derin öğrenme, gelişmiş sinyal işleme ve topolojik veri analizini bütünleştiren bir çerçeve geliştirilmiştir. Gürsöğüt-2 Hidroelektrik Santrali (HES) baraj gövdesinden dört ve anakaya üzerinde bir adet ivmeölçerden elde edilen yüksek örneklemli ivme zaman serileri kullanılmıştır. Operasyonel Modal Analiz (OMA) kapsamında ivme verileri zaman ve frekans tanım alanında analiz edilerek doğal frekanslar, mod şekilleri ve sönüm oranları tahmin edilmiş; yapıya ait dinamik değişimler zamana bağlı olarak izlenmiştir. Tezin ilk bölümünde, ham ivme zaman serileri yerine türetilmiş özniteliklere dayalı bir yaklaşım benimsenmiş ve deprem öncesi anormalliklerin tespiti için Uzun Kısa Süreli Bellek (LSTM) tabanlı bir derin öğrenme modeli kullanılmıştır. İkinci bölümde, anakaya ve çevresel gürültü kaynaklı bileşenlerin ayrıştırılması amacıyla çift yönlü LSTM (Bidirectional Long Short Time Memory, Bi-LSTM) mimarisi uygulanmış; gürültüden arındırılmış veriler üzerinden Güç Spektral Yoğunluğu (Power Spectral Density, PSD), doğal frekanslar ve modal şekiller belirlenmiştir. Modal şekiller, Kalıcı Homoloji (Persistent Homology) ve Değişken Otoenkoder (Variational Autoencoder, VAE) tabanlı düşük boyutlu temsiller kullanılarak karşılaştırılmış; bu temsiller Kendini Düzenleyen Harita (Self Organizing Map, SOM) ve Yoğunluk Tabanlı Uzaysal Kümeleme (Density Based Spatial Clustering of Applications with Noise, DBSCAN) algoritmaları ile gruplanmıştır. Ayrıca, Maksimum Enerji Frekansı (Maximum Energy Frequency, MEF), Minimum Sönüm Frekansı (Minimum Damping Frequency, MDF) ve En Sık Gözlemlenen Frekans (Most Frequent Frequency, MFF) parametrelerine dayalı kombinasyonlar kullanılarak doğal ve çevresel titreşim bileşenleri ayrıştırılmıştır. Sonuçlar, özellikle 3–7 Hz aralığında yoğunlaşan ve düşük sönüm değerleri ile karakterize edilen modların yapıya özgü temel titreşim davranışını temsil ettiğini ve gürültülü ortamlarda dahi deprem öncesi anomalilerin erken tespit edilebildiğini göstermektedir. Bu çalışma, deprem erken uyarı, yapısal sağlık izleme ve otomatik modal analiz alanları için bütüncül ve genellenebilir bir metodolojik çerçeve sunmaktadır.

Özet (Çeviri)

In this study, an integrated framework combining deep learning, advanced signal processing, and topological data analysis is proposed to monitor the dynamic behavior of large-scale engineering structures and enhance earthquake early warning under noisy environmental conditions. High-sampling-rate acceleration data recorded from four sensors on the Gürsöğüt-2 Hydroelectric Power Plant (HPP) dam body and one sensor on the bedrock are analyzed within the scope of Operational Modal Analysis (OMA) to estimate natural frequencies, mode shapes, and damping ratios. In the first stage, a feature-based approach is adopted, and pre-earthquake anomalies are detected using a Long Short-Term Memory (LSTM) model. In the second stage, a Bidirectional Long Short-Term Memory (Bi-LSTM) architecture is employed to separate bedrock-induced and environmental noise components, enabling identification of Power Spectral Density (PSD), natural frequencies, and modal shapes. Modal comparisons are performed using low-dimensional representations obtained via Persistent Homology and Variational Autoencoder (VAE), clustered using Self-Organizing Map (SOM) and Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Additionally, Maximum Energy Frequency (MEF), Minimum Damping Frequency (MDF), and Most Frequent Frequency (MFF) parameters are used to distinguish structural and environmental vibration components. The framework integrates data-driven learning with physics-informed modal interpretation, allowing anomaly detection and structural characterization within a unified architecture. The combination of topological feature extraction and density-based clustering enhances robustness against noise and non-stationary environmental effects. Results indicate that modes concentrated in the 3-7 Hz range with low damping ratios and consistent mode shapes represent structure-specific dynamic behavior, and pre-earthquake anomalies can be detected under noisy conditions. Overall, the framework provides a generalizable approach for earthquake early warning, structural health monitoring, and automated modal analysis.

Benzer Tezler

  1. Tez No

    321289

    Social ecology challenges environmental participation: HES opposition cases in Turkey

    Toplumsal ekoloji çevreci katılımcılığa karşı: Türkiye?den HES karşıtlığı örnekleri

    ÇAĞRI ERYILMAZ

    Doktora

    İngilizce

    İngilizce

    2012

    SosyolojiOrta Doğu Teknik Üniversitesi

    Sosyoloji Ana Bilim Dalı

    DOÇ. DR. HELGA RİTTERSBERGER TILIÇ

  2. Tez No

    890114

    The role of license-exempt excess electricity generation in Türkiye's economic growth

    Lisanssız ihtiyaç fazlası elektrik üretiminin Türkiye'nin ekonomik büyümesine etkisi

    ELİF DİLEK YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    EkonomiOrta Doğu Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ. DR. PINAR DERİN GÜRE

  3. Tez No

    534880

    Francis tipi türbin modelinin performans testlerinin gerçekleştirilmesi ve sayısal sonuçların test sonuçlarıyla doğrulanması

    Performance tests of francis type turbine model andvalidation of numerical results by experimental results

    FERDİ BESNİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Makine MühendisliğiTobb Ekonomi ve Teknoloji Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. SELİN ARADAĞ ÇELEBİOĞLU

    DR. KUTAY ÇELEBİOĞLU

  4. Tez No

    759620

    Mikro hidroelektrik santrallerde kullanılan çapraz akışlı türbinlerin hidrolik performanslarının deneysel çalışması ve optimizasyonu

    Experimental study and optimization of hydraulic performances of cross-flow turbines used in micro hydroelectric plants

    HIRWA JEAN PAUL NIYIGENA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EnerjiKocaeli Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZCAN ATLAM

  5. Tez No

    169323

    Hidroelektrik santrallerde cebri boru kapaklarının PLC sistemi ile otomasyonu ve kontrolü

    Automation and control of penstock intake gates in hydroelectric power plants using PLC system

    HÜSEYİN NAZMİ DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik Eğitimi Ana Bilim Dalı

    Y.DOÇ.DR. ZAFER AYDOĞMUŞ

Geri Dön