Evaluation of soil-structure interaction by using neural network methodology
Yapay sinir ağları kullanılarak zemin yapı etkileşiminin değerlendirilmesi
- Tez No: 166280
- Danışmanlar: DOÇ. DR. DERİN URAL
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Deprem Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
YAPAY SINIR AĞLARI KULLANILARAK ZEMİN YAPI ETKİLEŞİMİNİN DEĞERLENDİRİLMESİ ÖZET Ülkemizde inşaat mühendisliği disiplininde yapay sinir ağlarını kullanmak çok yeni bir yöntemdir. Bu olgu genelde inşaat mühendisliği disiplininde hidrolik dalında hidrometeorolojik verilerin yardımı ile nehir akımı tahminin yapılması, su kaynaklan projelendirme çalışmalarında, Geoteknik disiplininde zemin sıvılaşmasının incelenmesi ve benzeri konularda kullanılmıştır. Bu çalışmada zemin yapı etkileşimi yapay zeka mantığı kullanılarak incelenmiştir. Bu da zemin yapı etkileşiminin incelenmesine farklı bir bakış açısı getirecektir. Bu çalışmada 58 tane lokal bölgenin deprem, yapı ve zemin dataları kullanılmıştır. Bu lokal bölgeler Amerika Birleşik Devletlerinin California eyaletindedir. Çalışmada kullanılan verilerin hazırlanışı bölüm 2, 3 ve 4 'de anlatılmıştır. Yapay zeka mantığı yaklaşımında iki tane yapay sinir ağı mimarisi kullanılmıştır. Bunlar BPNN, geri yayılmalı sinir ağı mimarisi ve GRNN, genel regresyonlu yapay sinir ağı mimarisi kullanılmıştır. Bu yaklaşımlarda 21 adet girdi ve 4 tane çıkış parametreleri verilmiştir. Çıkış parametrelerinin biri olan zemin yapı etkileşiminin ihmal edilip edilemeyeceği yapay sinir ağlarının bir özelliği olan karar alma yeteneği kullanılarak bulunmuştur. Elde edilmeye çalışılan 4 adet çıktı parametreleri şunlardır; zeminin yapıya göre rij itlik oram, periyot artım oram, temel sönüm oranı ve zemin-yapı etkileşiminin ihmal edilip edilemeyeceğidir. Geri yayılmalı sinir ağı modeli için 2 tane model yapılmıştır ve farklı kalibrasyonlar kullanılmıştır. Genel regresyon yapay sinir ağı modeli kullanılarak 3 tane model yapılmıştır. En iyi sonuç veren model 5 'de zeminin yapıya göre rijitlik oranında yaklaşık olarak % 98, periyot artım oranında yaklaşık olarak %94, temel sönüm oranında yaklaşık olarak %90 ve zemin-yapı etkileşiminin ihmal edilip edilemeyeceğinde ise %98 başarı XV111oranı sağlanmıştır. Sonuçta genel gerilemeli yapay sinir ağı modeli zemin-yapı etkileşimin değerlendirilmesine çok uygun bir model olduğu görülmüştür. xix
Özet (Çeviri)
EVALUATION OF SOIL-STRUCTURE INTERACTION BY USING NEURAL NETWORK METHODOLOGY SUMMARY To use neural network approaches is a new phenomena for Civil Engineering disciplines in Turkey. This phenomena generally is used in Hydrology branch of civil engineering disciplines; by the way of hydro-meteorological data estimation of daily river flow, studies of design of water resources, and in Geotechnical disciplines liquefaction risk analysis etc. In this study, soil-structure interaction was discussed by using Neural Network approaches. This provides a new point of view for evaluations of soil-structure interaction. In this study, 58 local sites earthquake, structure, and soil properties are used. These 58 local sites are in California. Preparedness of using data in this study is discussed in Chapter 2, 3, and 4. In Artificial Intelligence approach, two Neural Network approaches architecture are used. These approaches are Back Propagation Neural Network architecture (BPNN) and General Regression Neural Network approach (GRNN) architecture. There are 21 input parameters and 4 output parameters. One of the four output parameters is whether Soil-Structure Interaction effects can be neglected or not, is obtained by using the decision making ability of Neural Network. Four output parameters, those that are trying to be obtained, are soil-to-structure rigidity ratio, period lengthening, foundation damping, and whether SSI effects can be neglected or not. For Back Propagation Neural Network, two models are examined and different calibrations are used. For General Regression Neural Network, three models are examined and different calibrations are used. In model 5 with the best results, success rates of all outputs are as follows; soil-to-structure rigidity success rate approximately 98%, period lengthening success rate approximately 94%, foundation damping success rate XXapproximately 90%, and whether soil-structure interaction effects can be neglected ör not success rate 98%. in conclusions this study shows that General Regression Neural Network approaches are more usefiıl model for evaluation of soil-structure interaction. xxi
Benzer Tezler
- Context-aware remote sensing data processing for improvement of agricultural predictions
Bağlam farkındalıklı uzaktan algılama veri entegrasyonu ile tarımsal tahminlerin iyileştirilmesi
AYDA FITRIYE AKTAŞ
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Konut projelerinde ön tasarım aşamasında kaba inşaat maliyetlerinin yapay sinir ağları ile tahmin edilmesi
Estimation of rough construction costs in the preliminary design phase of residential projects using artificial neural networks
BOĞAÇHAN ŞERBETCİOĞLU
Yüksek Lisans
Türkçe
2026
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. FATMA PINAR ÇAKMAK
- İsmayıl Hakkı Baltacıoğlu'nun kültür ve eğitim kavramı üzerine bir inceleme
An Examination of the concepts of culture and education of Ismayıl Hakkı Baltacıoğlu
ABDULLAH DİKİCİ
Doktora
Türkçe
1986
Eğitim ve ÖğretimUludağ ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SUAT ANAR
- Gebelik ve doğum olgularında prolaktin düzeylerinin değerlendirilmesi
The Evaluation of prolactin values during pregnancy labour and in deliveries
TÜLİN AKAN
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ.DR. MÜLAZIM YILDIRIM